目今位置:首页 → 电脑软件 → 吴莫愁 30秒生成AI吴莫愁 → 激情一区二区三区 v3.919.4128.319078 PC版
v5.897.4338.579009 PC版
v8.385.2670.697229 安卓免費版
v8.777.9956 安卓漢化版
v9.109 安卓免費版
v2.77 PC版
v2.785.7575.611099 最新版
v5.427 安卓版
v3.261.9930 PC版
v4.383 安卓免費版
v4.489 安卓免費版
v1.138 安卓免費版
v9.638 安卓最新版
v9.747.4939.887738 安卓版
v8.963.7008.571713 安卓免費版
v6.352.2143 安卓最新版
v3.840.285 最新版
v3.854 最新版
v4.913.9819.494504 IOS版
v4.792 安卓版
v6.311.1344.471259 安卓最新版
v5.766.9750.980760 安卓版
v1.314.7210.660777 安卓最新版
v5.742.3199.882266 安卓漢化版
v9.125 安卓最新版
v1.58 PC版
v1.290.5452.715786 安卓版
v1.455.8977.406110 安卓最新版
v4.826.6956.516637 PC版
v4.607.1988 安卓最新版
v6.113 安卓漢化版
v6.382 安卓版
v7.966 最新版
v3.352.4632.881660 IOS版
v7.387 安卓免費版
v8.146 安卓漢化版
v9.210.714 安卓最新版
v1.163 安卓版
v1.409.1353 PC版
v2.715 安卓版
v4.659.1328.679492 安卓版
v1.409 安卓最新版
v7.562.9947 最新版
v7.631.1023.374759 最新版
v4.514 PC版
v7.212.7701 安卓漢化版
v7.48 IOS版
v9.962.9235.825496 最新版
v6.900.440.478676 安卓免費版
v4.594.9847 安卓漢化版
v5.906.4576.802494 最新版
v1.420.6350.320202 安卓免費版
v6.222 安卓最新版
v4.822 安卓版
v7.374.6200.414619 最新版
v2.246 最新版
v7.524.404.849257 安卓版
v2.146.8470 安卓版
v4.739.4297.79833 安卓最新版
v1.156 安卓漢化版
v5.9.2001.126823 最新版
v2.834.2622.700071 IOS版
v8.707.2981 安卓漢化版
v4.660.726 IOS版
v8.680.6180.649143 安卓最新版
v8.723 最新版
v1.985.9240.330527 安卓版
v8.182.9938.629563 安卓最新版
v3.663.6500 PC版
v8.789.3387 安卓免費版
v4.17 安卓版
v7.898.5817.958588 最新版
v7.935.9167.98406 PC版
v8.451.2653.788282 安卓漢化版
v2.457.9776 最新版
v7.266.8244.763223 PC版
v9.699.1956.269558 最新版
v9.396.1733 PC版
v7.616 安卓最新版
v3.76.1169.280056 安卓免費版
v1.826 安卓最新版
激情一区二区三区
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
www333com..一级毛片
搞黄刺激网站
黄片大全免费在线看
欧美,日韩,精品一区二区偷拍
黄色一级黄色一级黄色性交黄色一级黄色一级网站
日日操天天日三级片黄色
找二级免费黄片
日本美女被操网站
女子18A级毛片
黄片一级三级高清黄色视频
拍击青少年业余打板子
顶级欧美老熟妇性XXXX
|9.1|19|Hey! I'm
欧美黄色第一页
旅行者后入纳西坦视频
在线看黄色av
看欧美一级精品视频
免费在线色网址
99二级黄色视频涩色
蘑菇视频黑色logo旧版本
色综合精品一区二区三区
久久久999久久久久九
免费无遮挡 网站下载桃
尼尔本子