v7.889.3800 最新版
v9.64 安卓版
v8.423.5072.129582 安卓最新版
v7.766.3792.177034 IOS版
v7.117.3995.127234 PC版
v1.452.3632.544142 安卓最新版
v1.133.8816.530438 安卓版
v9.194.5941.754666 安卓最新版
v8.75 安卓版
v8.414 安卓版
v8.910.144.708396 安卓最新版
v3.140.5766.477765 安卓漢化版
v6.571 安卓版
v9.484 安卓漢化版
v3.39.3960 IOS版
v2.351.2199 安卓版
v9.79.3529.438630 IOS版
v3.43.180.982606 PC版
v5.802.6449.729676 PC版
v5.94.3600.2458 安卓漢化版
v4.192.4368.739618 PC版
v6.423.5231 IOS版
v5.970 安卓免費版
v1.845.4008 IOS版
v3.271.2027 IOS版
v8.287.8381.255951 安卓最新版
v6.895.5162 安卓漢化版
v7.438.4863.617308 安卓版
v5.251.5845 安卓免費版
v7.433.1536.72003 安卓漢化版
v9.410.4860.614364 安卓版
v9.147.2598.525388 安卓版
v9.172.1300.472657 安卓版
v5.23.9843.269477 最新版
v6.639.8812.3060 安卓最新版
v9.997.512.70891 安卓最新版
v6.634.26 PC版
v4.595.1805 PC版
v1.452.2001.400853 安卓免費版
v4.147.6851 IOS版
v2.252.7560.130671 安卓免費版
v9.606 IOS版
v1.342.3603.185988 PC版
v2.967.5541 安卓免費版
v2.749 IOS版
v1.418.3364 PC版
v4.623.3814.504713 安卓版
v5.928.3070.114663 PC版
v6.115.3174.63730 安卓最新版
v4.872.1958.839766 PC版
v1.422 IOS版
v4.804.9741.116340 安卓漢化版
v8.336 安卓版
v4.5.5730 PC版
v5.44 最新版
v7.38.1036 安卓免費版
v4.730.2523 IOS版
v9.21.25 安卓最新版
v5.541.8962.335618 PC版
v8.46.588.49512 安卓漢化版
v9.421 PC版
v5.607 最新版
v6.876.3693.644897 IOS版
v8.127 最新版
v2.850.520.84922 安卓最新版
v8.255.3698.158603 安卓最新版
v3.801.9268.945153 最新版
v4.862.8560 安卓最新版
v3.480.6324 安卓最新版
v6.952.2988.219969 安卓漢化版
v1.374.1534.515279 PC版
v8.564 安卓版
v3.106.4828.347698 安卓版
v5.710 安卓最新版
v7.51 PC版
v2.991.8373.370588 安卓漢化版
v7.653 PC版
v7.343.646 安卓版
v7.291.3968 最新版
v6.788.2658.930396 IOS版
国产又爽又粗又长的视频
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
欧美自拍另类综合专区
大吊-男男xx体育生
中文字幕激情
qq聊骚群在哪里加入2025
美女啊啊视频晚上
美国久久A免费视频
裸乳 白丝 3d在线观看
免费在线观看视频你懂
国产精品免费一区二区三区在线看
亚洲婷婷五月天综合激情网
影音先锋下载资源在线播放
亚洲综合Av乱码
日本乱人伦视频免费观看
黄色视频18岁以下禁止观看
电脑18禁黄油网站
性色精品福利一区二区
1024手机看片你懂的2018新版
在线视频黄色网站
成 年 人 黄 色 网站入口
在线播放免费不卡视频
女人 又爽 又黄
91看片淫黄大片
91dapian
黄页精品在线视频
男人的 伸到 涩涩
不用下载的色网站
91真人实拍
高清免费看处破
きれいは汚いただしオレ以外歌词
汤不热最新网址