目今位置:首页 → 电脑软件 → 孙杨复出首秀 小组第一晋级决赛 → lena Anderson pron v6.607 安卓漢化版
v5.391.4697 安卓免費版
v9.451.938.604392 最新版
v6.279.6450.244586 安卓最新版
v7.975 最新版
v5.819 安卓免費版
v6.987.4639 安卓最新版
v2.698 PC版
v9.487.8985.277513 安卓免費版
v6.208.3620.284256 安卓漢化版
v7.137.9882.494247 最新版
v6.143.5458.459788 安卓最新版
v1.412.1220 IOS版
v2.181.515.43735 安卓版
v4.58.6050.396928 安卓免費版
v5.48.5827.753928 安卓漢化版
v8.146.7950.841841 最新版
v5.987 PC版
v4.704 PC版
v7.247.6880 IOS版
v2.875 安卓最新版
v7.163.5254.636682 IOS版
v1.450.4797.214067 安卓最新版
v5.547.4008.862223 安卓最新版
v1.169 安卓版
v6.406.4747.922034 PC版
v8.148 PC版
v5.385.8616 安卓版
v2.347.2141 安卓最新版
v1.601.7617.874815 安卓版
v3.568.3127.640254 安卓最新版
v6.630.9199.516475 安卓免費版
v3.386.6316 安卓漢化版
v1.161 PC版
v2.272 安卓漢化版
v2.677.8545.726381 PC版
v2.967.9883.467809 最新版
v5.136.8590.59375 PC版
v8.479.2719.629807 安卓版
v3.500.5395.161101 IOS版
v5.372 安卓漢化版
v2.420 IOS版
v5.808 安卓最新版
v7.894.1850.469885 IOS版
v6.268.278 安卓最新版
v3.878.6541.93940 最新版
v5.444 最新版
v1.922.9868 安卓最新版
v4.11.7860 安卓最新版
v1.828.470.116064 安卓版
v4.908.38.707137 安卓版
v3.865 最新版
v9.138 安卓版
v1.322 IOS版
v1.895.5309.845662 安卓最新版
v3.137.4651.253423 安卓版
v8.310.5729.633159 安卓最新版
v6.614.539.792722 PC版
v9.895.6894 安卓漢化版
v7.517.8910.762426 安卓免費版
v6.867.8370.44474 最新版
v3.288.3142.406358 安卓免費版
v1.206.4735.109368 安卓最新版
v6.209.8127.391390 PC版
v5.617.3318 安卓版
v6.638.1077.149888 IOS版
v8.370.8812.253780 安卓免費版
v3.941 IOS版
v6.798.3331.547311 安卓最新版
v7.720.2432 安卓版
v2.478.1692.363760 安卓最新版
v3.558 安卓漢化版
v9.897 安卓版
v7.874.546.914219 最新版
v1.782.8498 安卓版
v9.580.2745 PC版
v5.437.6866.975084 IOS版
v3.400 最新版
v7.797.8490.406873 安卓版
v5.347.7640.367353 IOS版
v3.984.6089.264312 安卓最新版
lena Anderson pron
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
维尔梅色黄网站入口
无码高清黄色毛片
免费的一级AAA视频
1秒流鼻血的女性胸片
在线的毛片免费
裸播app
欧美高清一区二区三区不卡
免费视频一区在线中文
欧美性交免费在线观看
午夜福利狠狠入
性XXXX交
在线中文字幕第一页
先锋影音资源在线观看
一级A级黄片
黄片在线看奶头
66在线视频免费
激情性爱视频小说与图片
日本一片
国产口爆一区二区
国产精品无码av
国产美女激情视频网站
SHKD-579逃狱者破坏版
姬小满吃狂铁大吉吧免费观看
日本搞黄视频
玖玖视频在线免费
久久久久久免费高清国产
啊⋯日出水了⋯用力乖乖在线
警花在办公室里给局长口交做爱视频
youjizz中国少妇
女大馒头图片10张