目今位置:首页 → 电脑软件 → 王者荣耀联动角色柯南基德 → 日韩avxxoo v9.935.1740 最新版
v3.547.8795 安卓版
v8.739.6811.934473 安卓免費版
v3.958 安卓免費版
v7.500 安卓免費版
v1.879.79 安卓免費版
v3.938.456.510134 PC版
v1.210.8417.326946 安卓免費版
v9.842.1689.448388 PC版
v9.659 PC版
v7.788.825 安卓最新版
v7.956 安卓最新版
v4.285.6707 PC版
v7.847.1415.960137 PC版
v4.804.2780 PC版
v1.753 安卓漢化版
v9.528.5599.381265 最新版
v1.626.3030.752741 安卓免費版
v8.673 IOS版
v9.432 安卓漢化版
v6.609.6293 IOS版
v3.669.5171.953289 安卓版
v9.876 最新版
v8.856 安卓最新版
v3.462 PC版
v7.892.2366 IOS版
v8.151.1679 安卓版
v5.845 安卓漢化版
v7.812.7602.952719 最新版
v3.876 安卓漢化版
v6.711 安卓漢化版
v2.959.1568.232523 IOS版
v6.296.7680 安卓漢化版
v9.208.7495.986878 安卓版
v1.798.3271.625629 安卓最新版
v2.7.4527.76659 安卓漢化版
v5.354.9426.943655 安卓漢化版
v6.288 安卓免費版
v9.574.9608.144188 安卓最新版
v7.148 PC版
v7.242.9362.351796 安卓免費版
v6.122 安卓免費版
v1.153 安卓最新版
v8.758.5642.310809 PC版
v3.796 安卓漢化版
v7.669.2930 安卓版
v2.154.2565.975689 安卓最新版
v9.488.3351.655668 PC版
v5.689.2984 PC版
v9.846.6586.297757 安卓免費版
v7.13 PC版
v3.809.5240 IOS版
v9.683 安卓免費版
v8.964.8274.626801 安卓版
v2.549 安卓漢化版
v2.845.4213.9679 PC版
v7.381.9326.421872 安卓版
v2.16.2482.591865 安卓最新版
v4.727.5315 IOS版
v1.183.3163.160538 最新版
v2.90.3889.654720 安卓免費版
v6.813.7444.669552 PC版
v8.652.8051.433947 PC版
v4.437.3772.449696 PC版
v1.896.6137 安卓漢化版
v4.684.4241 安卓免費版
v7.685.8206 安卓漢化版
v4.192.6214.583777 安卓免費版
v9.81.4772.66248 IOS版
v1.510 安卓最新版
v5.329.1216 安卓最新版
v2.354 安卓最新版
v7.455.8653 安卓免費版
v5.576.8842 最新版
v9.624.4382.604427 安卓免費版
v1.309.9989.850267 安卓最新版
v8.899.2714.188384 安卓免費版
v1.970 IOS版
v3.531.513 最新版
v8.766.7833 IOS版
v1.750.8612.867443 安卓最新版
日韩avxxoo
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
欧美日韩乱肉乱C视频
猎奇小屋永久免费版
国内精品人人爽
99久久A
原神污污 网站
亚洲欧美 国产 另类 精品
人人色 人人操
黄色国产黄色网站
亲吻刺激战场视频大全
国产一级片黄色网站在线免费观看
色色色色色影视
灰原哀被 到爽 流片
一道本高清在线
giantess18禁外网漫画网站
国产超碰人人爽人人做CAO
中国一级黄片av
男仆露出两个奶头给人玩漫画