目今位置:首页 → 电脑软件 → 国台办回应网上出现“武统”声音 → 亚州天堂网站 v7.227.410.218379 安卓最新版
v1.105 IOS版
v5.544.3826 IOS版
v5.181 安卓最新版
v4.409.1220.536523 IOS版
v8.67.1695.155160 安卓版
v5.923.3435.612006 PC版
v2.588.7666.636684 PC版
v1.652.4156 IOS版
v2.240 最新版
v9.855.8939.814466 安卓免費版
v8.540.1695 IOS版
v9.648.9392.862307 IOS版
v2.738 PC版
v7.939.5478 IOS版
v1.643.6933.839780 IOS版
v3.706 最新版
v2.683 IOS版
v7.138 IOS版
v4.75 PC版
v5.502.8586.372764 安卓最新版
v6.603.9450.114126 IOS版
v5.59.8487.434709 IOS版
v8.280 安卓版
v5.397.8209.116243 最新版
v7.421.9359.445525 安卓版
v9.494.8558.892245 安卓版
v4.162.3037 安卓漢化版
v9.973.2123.869798 安卓版
v1.136.8363.103245 安卓免費版
v5.75.6661.131406 IOS版
v5.561.4631.490654 安卓版
v6.725.4013.800757 安卓免費版
v7.986.3801.505300 安卓最新版
v8.348.2545 安卓免費版
v6.149.2043 安卓免費版
v2.701.7168 安卓版
v3.982.3240.114536 安卓最新版
v7.706.5165.276674 安卓漢化版
v1.44.6004.125415 IOS版
v3.867.6655.779630 安卓最新版
v3.358.8980.538885 安卓免費版
v4.127.4614 最新版
v7.505 安卓最新版
v5.350.1553.734032 最新版
v4.619 最新版
v2.587.8626.486844 安卓漢化版
v7.429.9330 安卓免費版
v2.194.9888.702977 安卓漢化版
v1.791.9509.843089 PC版
v4.924.6562.824239 PC版
v5.162 IOS版
v2.596.6842 IOS版
v7.704.255.786054 安卓最新版
v5.154.4799.144065 安卓免費版
v3.972.5067.124766 PC版
v7.438.1506.87207 安卓漢化版
v7.911 安卓最新版
v9.695 IOS版
v5.394.1310.909716 PC版
v5.739.5346.967133 IOS版
v4.377.6611 最新版
v6.143.5234.334444 安卓漢化版
v4.921.4235 安卓最新版
v3.419.8437 安卓版
v4.436 安卓版
v1.178 安卓版
v5.211.450.333779 安卓免費版
v6.807 PC版
v4.352.4187 安卓版
v5.228 安卓版
v2.456.4005.525597 最新版
v1.626.9910.875342 安卓免費版
v7.157 安卓最新版
v6.198.9513.189865 IOS版
v5.797.5447.120820 安卓漢化版
v9.826.8183.920959 PC版
v1.98 IOS版
v3.871.1386.362266 IOS版
v5.530.6569.896087 PC版
v1.763.4251 PC版
亚州天堂网站
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
久久免费视频99
日韩片无码毛片免费视频观看
日韩精品亚洲人成在线播放
国产变态深喉囗交视频
动漫爆乳黄H动漫无遮挡3D
国产在线.com
美女AA网站
一级a性色生活片久久毛片
91在线精品yy
黄色网页app免费
黄三级刺激精品一区
在线一级播放亚洲
18禁裸体爆乳羞羞 美女
大胸自慰呻吟
第一福利视频
男Gay互摸雞巴巴自慰小说
9.1国产NBA免费看电影
精品一线黄片
亚洲乱伦高清无码
馃崋馃惢馃敒
在线欧美性交
久久久中文
国产美女毛多水多一级A片
国内精品久久久久av
少妇下面又紧又嫩又滑
色圈视频网站入口