v2.203.5491.927050 PC版
v1.600 最新版
v2.48.9474.59632 最新版
v1.4.1663 安卓免費版
v1.859.5860.493951 安卓漢化版
v2.892 安卓免費版
v3.259.7036.334844 安卓最新版
v5.534.8577.206181 PC版
v8.527.2785.273935 安卓漢化版
v3.764 最新版
v9.56 安卓最新版
v9.120 IOS版
v8.448.9025 安卓最新版
v6.449.7807.64436 安卓漢化版
v5.688.5258.169807 PC版
v3.604 安卓免費版
v9.588.1235.130933 PC版
v4.370.3616 最新版
v6.808.5992 安卓最新版
v6.105.421.356355 安卓最新版
v5.188 安卓版
v6.776 PC版
v4.790.7791.35685 安卓漢化版
v1.152.2633 安卓最新版
v8.442.7564 安卓版
v3.410 PC版
v8.969.8815.859875 最新版
v7.283.5658 安卓漢化版
v4.811.6766 安卓最新版
v7.38.9115 安卓最新版
v3.760.1273 PC版
v4.207.6769.418889 安卓漢化版
v6.277.5050 安卓版
v1.441 安卓漢化版
v1.598.3586.804858 安卓版
v5.932.3682 最新版
v6.227.6113 安卓最新版
v4.501.8874 安卓免費版
v1.947.8730.191916 IOS版
v6.82.6037 PC版
v4.904.4041.185911 PC版
v5.635 PC版
v9.90.1781.718845 安卓漢化版
v7.558.9793.81324 安卓版
v6.348 安卓最新版
v7.814.1020.106872 最新版
v6.236.5200.79290 安卓版
v4.977.318.769542 安卓版
v5.110.2787 安卓最新版
v3.719.8103 安卓版
v2.456.2956 安卓版
v7.875.5386 IOS版
v4.909 安卓免費版
v1.647.9850.276454 PC版
v6.939.2500.674403 安卓漢化版
v4.475 PC版
v6.357 安卓最新版
v2.791.7183.621501 安卓最新版
v6.467.2312.497761 安卓漢化版
v6.918.8946.635094 最新版
v8.663.5179.372993 安卓版
v5.958.1549.73826 IOS版
v4.299.8039.424462 安卓版
v7.929.8729.863614 安卓免費版
v4.151 最新版
v5.36.7227.334394 IOS版
v7.692 最新版
v1.955 最新版
v5.632.1260 PC版
v3.786.9864 最新版
v1.145 PC版
v2.970.9584 PC版
v6.115.9754.933402 安卓版
v8.396.593 安卓漢化版
v3.716.6606.418730 安卓最新版
v3.681 安卓漢化版
v8.826.5223.743695 安卓漢化版
v3.949.5798.399848 安卓最新版
v5.677.9299.342584 PC版
v4.15.443.456116 安卓免費版
色色片免费观看视频
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
有什么免费的黄色网站
在线理伦
亚洲欧美一二三
国产中文字幕不卡播放
av在线视屏
欧美A级在线现免费观看欧美
欧美一级A片欧美黑人
免费的小黄网址
69人人操人人爱
日韩精品 在线视频 中文字幕
黄色网站在线播放免费观看视频
18🈲流白浆❌❌舌吻
尤秘视频
亚洲综合一区在线
欧美日韩综合在线网站
国产精品无码一区二区图
欧美一级a爱视频
百变小晨的片子
免费看美女隐私软件