v1.240.6091.361900 IOS版
v2.146.2161 安卓最新版
v4.444.9116 安卓免費版
v1.457.7489.793464 最新版
v8.738.221.45018 最新版
v7.124 安卓免費版
v5.973.8763.509223 安卓漢化版
v1.793.398.448529 安卓漢化版
v1.463 PC版
v4.390.3167.700825 安卓版
v3.707.6568.676304 安卓最新版
v5.501.1685.549593 PC版
v1.245.6976 安卓漢化版
v1.193.3618 安卓免費版
v8.827.9629.917177 PC版
v1.680 安卓免費版
v8.659.7416.260890 最新版
v2.874.7205.30744 PC版
v8.733.9869 安卓版
v4.501.1334.443968 PC版
v1.481 安卓最新版
v4.667.6154 PC版
v7.674 PC版
v7.811 安卓免費版
v6.893.6900 安卓免費版
v2.650 IOS版
v8.411.2109 安卓最新版
v7.104.6268 PC版
v9.962.6788 最新版
v1.122.5076 安卓最新版
v7.707.2620.1794 PC版
v5.415.3560 IOS版
v8.24.991.679536 最新版
v6.530.6847 IOS版
v7.839.7577 IOS版
v3.729.3601.601092 最新版
v6.995.484 安卓漢化版
v3.221.9842 安卓最新版
v4.231.6711 安卓最新版
v8.465.7320.237721 安卓漢化版
v2.351 安卓漢化版
v1.281.3813 安卓免費版
v1.158.2699.414714 IOS版
v9.514.7701.26483 安卓漢化版
v8.703 安卓最新版
v3.607.5744.883420 安卓漢化版
v6.265 最新版
v7.566.5566.395584 IOS版
v3.205.5442 安卓最新版
v1.241 PC版
v8.342 安卓最新版
v8.434.9385.417932 PC版
v2.632.2970.363510 安卓版
v6.636.449 PC版
v5.328.7324.126634 最新版
v2.432.1646 安卓漢化版
v4.975 最新版
v4.854.3072 安卓免費版
v2.83 最新版
v8.605.6384.274944 安卓版
v9.101.667.409461 安卓最新版
v4.423.3619.130059 安卓最新版
v7.83.8125.992035 PC版
v1.660.9092.24675 PC版
v2.693.7191.941862 安卓最新版
v4.484 安卓版
v6.478 安卓版
v7.931.1435.930434 安卓版
v1.143.6955 安卓漢化版
v6.417.8358.775489 IOS版
v1.890.7652.3673 IOS版
v9.162.6589.102557 安卓漢化版
v9.587.8914.785967 安卓免費版
v4.736.1149.310211 IOS版
v5.568.622.120910 IOS版
v8.368 安卓免費版
v2.438.3722.391932 PC版
v9.221.9822 安卓版
v8.935.9498.728383 安卓最新版
v7.935.2280 最新版
三级网址不卡在线观看
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
九九久久99精品三级免费视频
jmcomic20mic传送门
主人+调教+打屁股+拍击
国产网站视频白嫩
欧美日韩特一级猛片A片免费
坐着夹腿高潮后 鲜红的血
www.做爱
∏0PH0B4KHD4KHD
美女 免费网站
A片黄色网址
黄片污污ww
99视频精品全部
啪啪啪一级特大黄片
亚洲一级女性黄色生活
免费毛片入口
色老99在线精品
欧美性 XX XX XXX
在线黄色网站免费观看
葫芦娃huluwa官方最旧版
在线视频免费观看18国产
女教师高潮抽搐潮喯视频
2023国产免费观看黄A片又黄又硬软件
久久久久精品精品6精品
国产黄色丝袜
无码,人妻一区二区,免费视频
九九啪啪视频
女子拉屎goshopping
姐姐...撩起裙子...让我添小说
www..com5566品久久99