目今位置:首页 → 电脑软件 → 小落的达摩领航掌舵谋全局 思想引领向复兴 → 你懂的 小视频 v8.233 安卓漢化版
v2.80 安卓漢化版
v3.121.5176.628770 安卓最新版
v2.992.5447 PC版
v4.17.5548.58961 安卓漢化版
v4.412.104.949736 最新版
v2.721.7776 安卓免費版
v6.975.7884 安卓漢化版
v4.655 PC版
v8.84.4960.734837 安卓免費版
v8.913 最新版
v3.257.7659.881437 安卓免費版
v1.859.1390.620955 安卓漢化版
v3.151.5584.956533 安卓漢化版
v6.431.7366.909501 安卓免費版
v7.370.300.994339 安卓漢化版
v7.27.2180 安卓版
v1.279.8732 安卓漢化版
v2.238.2324.544444 最新版
v3.158.8303.347092 安卓漢化版
v7.881.7383.562913 安卓最新版
v3.22 安卓漢化版
v4.539.8312 最新版
v2.556.3198.723697 安卓漢化版
v3.758.8951.635988 安卓最新版
v3.189.344.261585 最新版
v3.859.9088.631088 安卓漢化版
v4.331.3535.612427 安卓漢化版
v6.492.9492.742372 安卓漢化版
v1.836 安卓版
v2.331.755.255915 安卓最新版
v3.703.5751.414487 IOS版
v3.138 PC版
v4.444.1892.344279 安卓免費版
v9.820.3490.668473 IOS版
v1.959 最新版
v8.187.54.566366 最新版
v7.557 安卓免費版
v1.964.8692 安卓版
v7.594.179.368206 安卓最新版
v3.123 安卓免費版
v3.158.130.762740 安卓版
v4.809.9009.494644 最新版
v2.152.2684.822506 最新版
v9.155.5955 PC版
v8.587 最新版
v2.449 IOS版
v9.494.5632.656081 安卓版
v6.585.6044.189423 安卓最新版
v7.777 PC版
v4.796.5050 安卓免費版
v4.566.9493 安卓最新版
v4.902.5862.236914 安卓免費版
v1.643.7569.770029 安卓免費版
v5.797.6035 安卓漢化版
v2.488.597.517607 IOS版
v7.279.8836.744700 安卓最新版
v3.75.3825.796243 安卓漢化版
v6.439.7979 安卓最新版
v3.714 安卓版
v3.746.1000.703517 最新版
v4.574.2743.984160 PC版
v8.245 PC版
v5.511 安卓漢化版
v4.765 安卓免費版
v7.661.1010.865899 安卓最新版
v1.401 最新版
v7.450 PC版
v2.597.3565.949460 安卓免費版
v6.117.9784 PC版
v1.216.2349.661887 最新版
v3.438 PC版
v8.911 IOS版
v7.259.9680.696851 最新版
v9.359.9364 PC版
v4.170.3856 IOS版
v2.726 安卓免費版
v9.50.2718.170572 安卓最新版
v6.946.1076.488157 安卓免費版
v1.614.9773 安卓版
v2.457.4265 安卓版
你懂的 小视频
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
一级二级黄片中文录相
国产盗撮无码短视频
囯严做受 高潮A
日韩三级片黄色网站
www. 偷拍
免费不卡黄色网站
雷狮顶安迷修的生育
国产1024国产欧美日韩
非人哉黄化版怎么没了
久久久av
冲田杏梨的剑法教学视频
性交欧美视频
欧美日韩性爱A片
人人操B网
18岁可以看的黄色网站
污污网址免费观看
91国内自偷拍
精品资源二区三区三
女人黄色网站
大雷插大狙的视频
色伊人网站
akt丝柯克
深圳市卫尔安科技有限公司
黄色视频日本大片
无码色色
欧美一级黄片a片
91 活动 #ZXR29gWR5bwefu9# xhslink.com/a/AEaYlbvmcIt0 ИX-2f9z1V3yyT61p7
国产盗摄最新网址
双男主mv大片外网播放
爱视频亚洲
色综合欧美一区二区
日本AAAaaa午夜视频
长途火车内的受孕之旅
老牛国内精品亚洲成av人片
美女视频是黄色