目今位置:首页 → 电脑软件 → Faker第一次夺冠时Zeus仅9岁 → 国产口爆视频在线一区 v7.254 安卓版
v3.928.3226.382279 安卓漢化版
v7.627.2791.171864 安卓免費版
v3.251.7761 安卓漢化版
v1.769.5877 安卓最新版
v1.724.5730 安卓版
v4.695 最新版
v3.683.6433 PC版
v9.271.4200.893065 安卓漢化版
v3.29.6322.929302 PC版
v1.47.8158 安卓最新版
v6.170 最新版
v8.214.5784.38861 安卓免費版
v1.521 安卓最新版
v6.461.6244.465985 安卓版
v1.937 安卓版
v8.612.4626.961405 最新版
v2.665.8663.690204 安卓免費版
v7.216 安卓漢化版
v2.435.9039 PC版
v5.90 IOS版
v4.509.6744.850637 安卓版
v5.495.7112 安卓版
v5.18.4745.155938 最新版
v4.975.4620 安卓最新版
v6.325.9519 安卓漢化版
v2.162.1906 最新版
v9.445.8557.908431 安卓漢化版
v7.16 PC版
v6.783 最新版
v8.437.8951 最新版
v4.214 安卓免費版
v3.455.5420.842116 安卓免費版
v9.455 安卓版
v7.655.1080.260302 PC版
v6.988.3890.648103 PC版
v4.214.5433 安卓漢化版
v5.466.5299.999077 PC版
v4.747.1791 最新版
v2.576.6789.465899 IOS版
v5.551 IOS版
v7.85.933 PC版
v6.176.3301.26048 IOS版
v6.936.187.640855 安卓免費版
v3.681.7033 PC版
v7.850 安卓免費版
v5.663.1519.490382 安卓版
v6.92.4185 安卓漢化版
v6.677.5411 安卓最新版
v9.868 安卓漢化版
v9.635.5792 PC版
v3.941.5386 最新版
v8.10.9276.451206 PC版
v4.978.994.258003 安卓免費版
v2.370 安卓最新版
v5.421.3451 IOS版
v6.404 安卓漢化版
v1.572.7339.9504 安卓免費版
v7.264.5240.920839 安卓最新版
v7.588.1310.912017 安卓漢化版
v9.714 PC版
v7.552.5012.997230 安卓漢化版
v4.418.3459.213399 IOS版
v9.424 PC版
v3.858.9392.928012 安卓最新版
v2.605.133 安卓最新版
v1.623.3200.538404 IOS版
v4.371.3873.242761 IOS版
v2.277 安卓最新版
v3.7.3977 安卓版
v8.455.4689.481859 安卓免費版
v2.550.9144.206613 IOS版
v2.721.6011 最新版
v7.448 最新版
v8.384.9157 安卓漢化版
v3.918.5144 安卓版
v4.932.2305 安卓最新版
v5.727.8391.241780 PC版
v7.579.9531.195076 安卓版
v3.598.6852.705016 安卓免費版
v9.227 最新版
国产口爆视频在线一区
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
同人A漫
原神同人动漫在线观看电脑
星幻王被扒开腿做 同人网站
天天干,天天爽
六十路垂乳高齢熟女のぞみ
欧美特級黄片
男女在浴缸里摸胸视频
欧美婬片A在线观看视频
十八 网站
人妻人人添人妻人人爱
免费看黄A级
樱花视频人像高清拍摄最新版下载
剧烈运动扑克网站免费
做a爰网站在线观看免费版
国产一级a毛一级a看免费视频,附近约爱
男男女女啪啪啪影院
亚洲国产第一页
国产www xnxx
进 里 片非洲
面具公社网页1网页2最新版本更新内容
日韩黄色一级超碰
啊...宝宝...撩起裙子...自己动
人人干人人干人人摸
久久人妻系列精品无码ai换脸
免费 视频国产