目今位置:首页 → 电脑软件 → 官方回应体育总局干部发表不当言论 → 国产亚洲熟 v8.527.8398 最新版
v5.257.5935 安卓最新版
v7.354.1120.459586 IOS版
v3.161.4229.121020 IOS版
v4.793.2987.467901 安卓漢化版
v4.916.7694 安卓最新版
v9.449.6638.539082 安卓版
v5.380.8914 IOS版
v2.649.3651.910200 安卓最新版
v3.770 安卓免費版
v3.879.2030.971047 IOS版
v5.974.8790.788171 最新版
v9.192.7512.722377 安卓版
v3.11 安卓版
v9.941.8618.965714 PC版
v9.617.655.777462 安卓版
v2.643 PC版
v1.180.7425 安卓最新版
v9.870.9676 IOS版
v8.265.1251.728337 最新版
v2.518.7631.508878 安卓版
v2.316 最新版
v9.389.8773.479795 安卓版
v4.60.4410.235116 安卓最新版
v1.888 安卓免費版
v4.888.354 安卓免費版
v6.261 安卓漢化版
v5.447.218.488490 IOS版
v1.732.2630 安卓漢化版
v4.53.3319 PC版
v5.563.1588.144215 PC版
v4.848.5445.974950 最新版
v6.245.1902.703454 IOS版
v3.863.386.707428 IOS版
v2.771.2881 IOS版
v1.175.6869.302883 PC版
v8.315.9781.969679 安卓漢化版
v6.470.9828 最新版
v7.918 PC版
v2.367.3916.697085 安卓版
v3.577.1690 安卓最新版
v7.573.2505 PC版
v6.165.3473 安卓漢化版
v8.980 安卓漢化版
v6.608.9130.32143 PC版
v4.435 最新版
v9.53.5806.945951 IOS版
v6.158 安卓漢化版
v5.412 安卓最新版
v6.769 最新版
v8.315.1293.324908 IOS版
v9.93.8805.214168 安卓漢化版
v3.518.9933 安卓漢化版
v5.346 安卓漢化版
v2.829.191.536221 最新版
v1.459.4127.696633 最新版
v3.953 最新版
v2.831.730 安卓最新版
v3.654.2471.367666 安卓漢化版
v3.393.6229 安卓免費版
v3.692.3778.188899 IOS版
v4.290.7086.908160 安卓漢化版
v2.154 安卓版
v2.896.4296 最新版
v3.321.909.395499 安卓版
v9.987.3599.804678 IOS版
v8.798.3193.758615 安卓漢化版
v1.466.3698.843166 PC版
v6.313 安卓版
v2.870.7747.544965 安卓最新版
v2.153.6538.802180 PC版
v6.477.5646.255840 安卓漢化版
v9.605 PC版
v8.921.9352 安卓免費版
v4.28.363 安卓版
v4.901.5693.574251 最新版
v1.800.3320.315065 最新版
v3.310.3384 安卓版
v6.69 IOS版
v4.547.9105 最新版
v5.974.8620 安卓漢化版
国产亚洲熟
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
最新中文av在线
高山美穗AV
亚洲av色色
在线黑人黄色网站
久久国产高潮流白浆喷水免费A片
中国jazzyhiphop
国产精品99ri在线
A级一级黄片毛片
视色视色影库视色综合网
日本免费看哺乳期的 电视剧
小乔裸体被 叫爽动画
鸥美性爱黄片
aa福利
国外人妖视频在线观看
国产激情自拍经典
古吉拉·她TA·PARTY免费观看
国产亚洲精品午夜一级体验区
国产第一页一区
最近免费中文字幕
美女护士被脱粉内操逼灌肠受虐狂
精品人妻无码系列