v4.839.6161 最新版
v1.779.1365 安卓版
v6.974.4040.237027 IOS版
v1.334 PC版
v7.531.9993.52417 IOS版
v5.601.5758.787082 安卓版
v9.678 安卓漢化版
v3.16.2620 安卓漢化版
v6.757.915.57304 最新版
v1.976 安卓版
v1.771.3050 安卓漢化版
v8.46.2168 安卓免費版
v8.956 最新版
v9.937.6273.534554 最新版
v3.9.8802.696091 安卓免費版
v7.264.8832 安卓最新版
v4.147.9591.12185 安卓最新版
v7.846.6890.425508 IOS版
v4.838.8122.681774 PC版
v9.806.7329.257506 IOS版
v5.511.4939.37214 安卓漢化版
v6.856.3417 安卓漢化版
v2.520.421.29919 安卓漢化版
v9.282.387 安卓漢化版
v6.786.9997.912864 安卓最新版
v1.886.5806 IOS版
v1.724.47.550210 PC版
v9.748 安卓最新版
v8.708 安卓漢化版
v7.558.8389 安卓版
v7.449.1947.84854 PC版
v5.797 安卓免費版
v1.13.298 安卓版
v8.10.6492.664328 安卓免費版
v7.52.9832.269633 IOS版
v6.18 安卓最新版
v4.818.3860 安卓最新版
v7.356.8037 IOS版
v3.689 安卓免費版
v6.880.2916 安卓最新版
v9.113 安卓最新版
v9.585 安卓免費版
v1.360.1483.281016 安卓版
v7.464.2544.665958 安卓最新版
v4.542 IOS版
v4.967.4729 安卓最新版
v2.167.2841.554745 最新版
v4.89 安卓最新版
v9.244.6684.571947 安卓版
v2.900.4026.111883 安卓免費版
v8.630.9796 安卓版
v5.510.2287.49278 最新版
v8.908.3416.199367 IOS版
v1.365 安卓免費版
v9.104.6543 最新版
v2.528.743.351249 PC版
v3.956 安卓漢化版
v1.103.5042.25340 安卓漢化版
v5.477.5066.293434 安卓免費版
v6.83 PC版
v4.438.4832 安卓最新版
v9.49.9142 安卓免費版
v9.128.3264.699834 PC版
v7.390 安卓最新版
v6.443.1728 安卓免費版
v2.107 PC版
v2.433.8652 安卓免費版
v9.724 安卓漢化版
v2.207 IOS版
v1.83.1395.290365 安卓最新版
v7.443.71.160323 安卓最新版
v1.893 最新版
v6.335.930.735730 安卓最新版
v9.849.8003.870265 安卓漢化版
v2.913.2563 安卓最新版
v2.248.9162 IOS版
v7.215.3242 IOS版
v3.645 安卓漢化版
v5.478.426 IOS版
v4.22.2872.454657 安卓漢化版
免费国产一
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
欧美一区亚洲二区
国产精品久久免费高清
欧美一级欧美精品
人人摸、人人操
高清色惰www日本午夜色视频
国产中出
在线播放 加勒比
一区二区日韩
无矿专区免费在线观看
国产91精品㊙️不知火舞
揉胸大胸做爱番
天天免费看三级片
国产一级黄在线观看播放
又粗又大又黄又刺激免费视频
一级无码视频A片
狠友在线
大胆国模无码AV
91亚洲国产系列精品第56
免费av在线
黄黄的网站在线观看国产
黄色av.
泰国一级婬片A片AAA毛片
欧美性爱欧美性
亚洲一区二区 欧美精品
娜美被 到爽 高潮痉挛