目今位置:首页 → 电脑软件 → 印度男子在冰激凌中发现手指 → 黄色永久免费在线网址 v2.712 最新版
v4.312 安卓版
v4.990.4138.387050 安卓版
v1.360.2204.832896 IOS版
v1.167.4616.646857 安卓最新版
v1.445.4050.194793 安卓版
v4.696.9289 PC版
v3.860.8511 安卓最新版
v9.150.2418.858989 最新版
v1.730 安卓版
v1.182 安卓免費版
v5.824.6209 安卓免費版
v6.258.2862.174549 最新版
v1.641.63.248962 安卓版
v6.639 安卓漢化版
v6.401.7589 安卓漢化版
v1.273.111 PC版
v1.471 PC版
v9.163.6615 PC版
v2.23.9124.766493 IOS版
v5.182.3765.317145 安卓免費版
v7.601.592 安卓版
v2.282.1307.351776 IOS版
v8.609.7703.912483 IOS版
v9.995.6109.29541 安卓版
v8.406.5394.273582 安卓免費版
v3.251.9040.422036 最新版
v9.902.7270 安卓版
v9.29.8027.600633 安卓漢化版
v8.76.6625.794547 IOS版
v6.959.5475 安卓版
v6.357.682.807579 安卓免費版
v2.20.2835.289457 安卓最新版
v1.669 安卓免費版
v1.489 PC版
v5.789.9739.52374 PC版
v8.456.6521.732846 安卓版
v4.738 安卓版
v9.411 安卓漢化版
v8.552.9275 PC版
v1.300.3617.716341 安卓最新版
v1.585.5478 IOS版
v4.525.2464.851201 最新版
v2.404 安卓版
v7.991 安卓漢化版
v8.15.2597.552226 IOS版
v1.164.497.376802 安卓最新版
v5.228 PC版
v4.27.2217.285123 安卓最新版
v6.859.2049.213316 最新版
v1.723.1561 安卓最新版
v2.282 安卓免費版
v3.297.5912 安卓漢化版
v3.567.4536.993090 安卓漢化版
v9.454.9891.439438 IOS版
v2.51.2178 安卓最新版
v6.151.5465.827289 最新版
v9.641.7030.161672 安卓最新版
v5.723.7793 安卓最新版
v8.118 最新版
v2.68.8040.412959 安卓漢化版
v2.60.147.692827 PC版
v1.116.931.185286 最新版
v3.402.8980.463823 最新版
v8.197 IOS版
v9.658 PC版
v3.525.6927.336524 安卓免費版
v5.774 安卓版
v2.159.637.490774 安卓最新版
v6.93.7188.109590 IOS版
v2.185 安卓漢化版
v1.233.9964 安卓版
v3.56.932 安卓免費版
v9.742.3914.390574 安卓版
v1.645.2109 安卓最新版
v8.587.5102 PC版
v1.966 安卓最新版
v6.418 安卓最新版
v1.428.8228.284459 安卓版
v6.204.9161.650832 安卓免費版
v3.440 安卓漢化版
黄色永久免费在线网址
新智元报道
编辑:LRST
【新智元导读】DeepSeek-OCR的视觉文本压缩(VTC)手艺通过将文本编码为视觉Token,实现高达10倍的压缩率,大幅降低大模子处置惩罚长文本的本钱。可是,视觉语言模子能否明确压缩后的高密度信息?中科院自动化所等推出VTCBench基准测试,评估模子在视觉空间中的认知极限,包括信息检索、关联推理和恒久影象三大使命。
近期,DeepSeek-OCR依附其立异的「视觉文本压缩」(Vision-Text Compression, VTC)范式引发了手艺圈的高度关注,以少少的视觉Token实现高效的文本信息编码,为长文本处置惩罚开发了新路径。
这一突破性希望让大模子处置惩罚超长文档的本钱大幅降低,但也抛出了一个焦点问题:当长文本被高度压缩为2D图像后,视觉语言模子(VLM)真的能明确其中的内容吗?
为相识答这一疑问,来自中科院自动化所、中国科学院香港立异研究院等机构的研究团队推出了首个专门针对视觉-文本压缩范式的基准测试——VTCBench。
论文链接:https://arxiv.org/abs/2512.15649
VTCBench链接: https://github.com/Moenupa/VTCBench
VLMEvalKit链接:https://github.com/bjzhb666/VLMEvalKit
Huggingface链接: https://huggingface.co/datasets/MLLM-CL/VTCBench
图 1:视觉-文本压缩 (VTC) 流程演示及VTCBench
与古板大模子直接读取成千上万的纯文本Token差别,VTC范式(如DeepSeek-OCR)先将长文档渲染 (Rendering)为高密度的2D图像,再由视觉编码器转化为少量的视觉Token。
该手艺可实现2倍至10倍的Token压缩率,显著降低了长文本处置惩罚时的盘算与显存开销。
VTCBench现已在GitHub和Huggingface周全开源,其衍生版本VTCBench-Wild是一个统一的、全方位评估模子在重大现实场景下视觉文本压缩的鲁棒性,现已集成到VLMevalkit。
焦点使命
权衡「看得见」之后的「看得懂」
现在的VLM也许能精彩地完成OCR识别,但在处置惩罚 VTC 压缩后的高密度信息时,其长文本明确能力仍存疑。
VTCBench通过三大使命,系统性地评估模子在视觉空间中的认知极限:
1.VTC-Retrieval (信息检索):在视觉「大海」中寻找特定事实的「针」(Needle-in-a-Haystack),测试模子对空间漫衍信息的捕获能力。
2.VTC-Reasoning (关联推理):挑战模子在险些没有文本重叠的情形下,通过关联推理寻找事实,逾越纯粹的词汇检索。
3.VTC-Memory (恒久影象):模拟超长对话,评估模子在视觉压缩框架下,抵御时间与结构性信息衰减的能力。
别的,团队同步推出了VTCBench-Wild,引入 99 种差别的渲染设置(涵盖多种字体、字号、行高及配景),全方位检测模子在重大现实场景下的鲁棒性。
揭秘视觉压缩背后的认知瓶颈
图 2:VTCBench针对模子在长图像中检索信息的热力争。横轴代表上下文长度,纵轴代表要害事实(Needle)在文档中的深度。展现了模子体现的「迷失」与突破。
测试效果泛起出显著的「U 型曲线」:与文本模子类似,视觉语言模子(VLM)能够精准捕获开头和最后的信息,但关于中心部分的事实,明确能力会随着文档变长而强烈衰退。这证实晰纵然在视觉空间,模子依然保存严重的「空间注重力私见」,是未来 VTC 架构优化的要害偏向。
行业洞察
视觉压缩是长文本的终局吗?
通过对GPT、Gemini、Claude、QwenVL、InternVL、Gemma、KimiVL、Seed1.5等10余种尖端模子的深度评测,可以发明:
虽然VTC极大提升了效率,但现有VLM在重大推理和影象使命上的体现仍普遍弱于纯文本LLM;
消融实验证实,信息密度是决议模子性能的要害因素,直接影响视觉编码器的识别精度;
Gemini-3-Pro在VTCBench-Wild上体现惊艳,其视觉明确能力已险些追平其纯文本基准,证实晰VTC是实现大规模长文本处置惩罚的极其可行的路径!
总结
若是说古板的长文本处置惩罚是「逐字阅读」,那么DeepSeek-OCR所引领的VTC范式就是「过目成诵」的摄影式影象。VTCBench的泛起,正是为了确保模子在拥有这种「超能力」的同时,依然能够读懂字里行间的微言大义。
参考资料:
https://arxiv.org/abs/2512.15649
秒追ASI
?点赞、转发、在看一键三连?
点亮星标,锁定新智元极速推送!
相关版本
多平台下载
审查所有0条谈论>网友谈论
巨大欧美黑人AAAABBBB
嫩草影院入口 懂你的
李丽莎观音坐莲
欧美激情狂野A片免费看
吴梦梦无码
欧美 日韩 国产XXXX
99精品热在线视频手机版
欧美在线一级片
胸大魅魔被挤奶
被老板抱进卧室狂躁我
中国瑜伽美女性感丰满和猛男双飞操逼一级黄色
www黄色视频在线观看
国产精品干
精品自拍视频91
国产AV综合AⅤ国产精品
缅甸KK区女人糟蹋网站
女人与公豬交视频A片
婷婷五月激情综合网
欧美网站www在线
欧美黄片大
97超碰在线视屏
高清69XXXXXXXXX
女人被操视频污的
女👩搡╳╳╳乂乂H电影
欧美七页啪啪啪
毛片免费全部网站
伊芙琳脸红流眼泪翻白眼怎么回事
91丨九色丨蝌蚪丰满
zzijzzijzzij亚洲人
久久国产国产精品
15级黄片电影