目今位置:首页 → 电脑软件 → 第八届联机大赛报名开始了 → 亚洲欧洲综合在线 v3.226.5917.730333 安卓最新版
v3.619.8052 安卓免費版
v3.839.7185.933277 最新版
v1.363.5067.128019 PC版
v4.474.7125 安卓漢化版
v1.247.7605.145402 最新版
v2.92 安卓版
v2.979.3255.198468 安卓最新版
v2.243.2546.668436 PC版
v9.309.3424.725616 IOS版
v6.87 IOS版
v6.253.6504.722327 安卓漢化版
v3.293.9746.691429 IOS版
v6.630.33.912511 安卓最新版
v3.57.9742.190444 安卓版
v7.18.2191.665190 安卓免費版
v8.333.7037 安卓免費版
v2.700.6927.357627 PC版
v8.345.1433 最新版
v9.588.3296 IOS版
v6.795.7816 安卓最新版
v9.677 PC版
v2.932.4667.345845 最新版
v4.342.9263.263684 安卓免費版
v9.370.7756.417994 安卓最新版
v7.909.6332.217286 安卓最新版
v9.787.7432.746984 安卓免費版
v3.427 最新版
v1.285.1032.499066 IOS版
v6.894 最新版
v7.533.1219.133044 安卓免費版
v4.40 最新版
v5.381 PC版
v5.202 安卓漢化版
v5.671.740 安卓漢化版
v9.854.5457 最新版
v2.624 安卓最新版
v6.757.6855 PC版
v1.531.5667.437430 安卓免費版
v9.501.6183.712027 PC版
v8.269.883 PC版
v4.221.9881.291127 安卓最新版
v6.719.194 最新版
v7.150.3336.100272 安卓最新版
v2.945.6690.244398 安卓免費版
v8.357.9376.854134 IOS版
v8.533.7646.572871 IOS版
v8.199.1540 安卓漢化版
v2.829.7275 IOS版
v9.447.6220 安卓免費版
v7.355.745.119099 安卓版
v7.404.524.90675 安卓漢化版
v8.123.3052.876541 安卓版
v7.296.8953.379584 安卓漢化版
v4.385 安卓免費版
v9.926 IOS版
v5.553 最新版
v8.689.9925 安卓最新版
v9.400.9129.403783 IOS版
v3.558.2771 安卓最新版
v8.566.1045.486756 安卓版
v5.889.9592 安卓漢化版
v6.416.5076 安卓版
v9.328 安卓最新版
v9.499.6086.148904 安卓最新版
v6.651.1089 安卓版
v2.270.8354.754726 IOS版
v9.978.7633.825699 IOS版
v4.638.7189.425789 最新版
v5.211.1521.322248 安卓免費版
v6.899.4539.468916 安卓版
v8.381.9261 安卓免費版
v1.683.263 安卓漢化版
v8.568.1884.432334 安卓免費版
v7.898.3078.605915 安卓漢化版
v6.495.5501 安卓版
v7.17.702.163831 PC版
v4.717.5347.318142 PC版
v4.487.3421.462880 安卓漢化版
v4.435.1523.320780 IOS版
v5.128 安卓漢化版
亚洲欧洲综合在线
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
91国语露脸精品国产又黄
美女黑丝色色网站
欲梦子
一级aa片免费性爱视频
所有黄片免费看
囗大荫蒂
亚洲人兽网
www涩涩
sssav在线
亚洲黄网站在线观看网站
如何扣币最爽
免费A级毛片无码A∨免费软件
黄色视频一级片免费
欧美亚洲愉拍自拍激情另类
激情文学另类图片亚洲日韩
综合久久本道中文字幕www
www.欧美操逼
国产精久久伦伦电影
黄色毛片
日本三级网站免费看
肉丝操逼视频
亚洲欧美在线综合
未满十八禁止进入
一级毛片精久久久久久久网
久久久久无码精品国产情侣
猫先生上海白富美强势ceo
视频一区二区小说在线
千层浪深夜释放自己
欧美性爱网
www.oumeicom
欧美性爱AAA级真人在线