v3.542.2719.255471 安卓版
v4.757.341 PC版
v3.137.3402.20089 最新版
v4.351.6759.480619 最新版
v4.813.7218.523779 安卓最新版
v5.588.1982.502946 IOS版
v3.625.3603 安卓版
v7.726 安卓免費版
v8.46.6990.46814 安卓最新版
v2.474.9811.574223 安卓免費版
v3.324.2073.590775 PC版
v8.662 PC版
v4.104 安卓免費版
v7.551.166.17063 安卓免費版
v8.320.3479 安卓漢化版
v7.927.5846 PC版
v7.880.6165 IOS版
v5.732.8629 最新版
v3.783.5544 PC版
v7.73.629.890400 PC版
v1.332 PC版
v3.36.9142 PC版
v7.108.1447 最新版
v1.626.9733 PC版
v5.551.6747 安卓最新版
v9.327.9989.424421 安卓免費版
v2.901.8628.343244 安卓版
v6.816.4601.265574 安卓免費版
v3.242 安卓免費版
v6.44 最新版
v4.934.4204.83311 PC版
v8.801.314.746224 安卓版
v1.471 IOS版
v4.597 安卓漢化版
v6.449.994.441654 安卓漢化版
v9.987.6951.748706 PC版
v2.808.4296.268012 IOS版
v5.553.2730.280182 安卓漢化版
v5.703.9116.502217 安卓漢化版
v3.390.5268.985344 最新版
v1.234.2520 IOS版
v9.758.328 最新版
v5.185.828.627654 安卓漢化版
v7.651 安卓漢化版
v2.81 PC版
v3.241.700 IOS版
v9.88.9365.46704 IOS版
v6.197 PC版
v8.540.5134 IOS版
v3.576.1787.717620 PC版
v2.406.6142 最新版
v8.822.257.824795 安卓版
v3.457.1742.803442 安卓免費版
v6.291.4752.145720 PC版
v9.270 PC版
v2.731 最新版
v3.345.7719 安卓免費版
v5.441 IOS版
v4.281.8518 IOS版
v8.724.476.668766 安卓最新版
v6.875.5142.721007 安卓免費版
v9.274.4045 安卓最新版
v7.431 IOS版
v8.477.6290.551761 安卓版
v2.347.8172 安卓免費版
v8.559 安卓版
v6.731.1729.587359 PC版
v6.894 最新版
v6.72 安卓版
v7.329.9816.187534 安卓最新版
v8.476 安卓漢化版
v3.593.8663 安卓最新版
v3.239.7883.789597 安卓漢化版
v8.271.9462.939765 安卓免費版
v5.700.605.366780 安卓最新版
v8.885 最新版
v9.529 安卓漢化版
v1.72.9858 最新版
v9.887.1117 最新版
v7.712.1718.672892 安卓漢化版
成人浏览器秘 免费下载
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
午夜性爱影院
色哟哟毛片网站
爱插逼逼
影音先锋 操逼网
亚洲无码爱爱视频
🍊pg赏金女王模拟器试玩版最新2024入口
AA黄色视频
在线播放一区
黄色毛片网址
糖心小奈女士
A片免费地
国产福利精品99视频一区二区
蘑菇视频成人网站 免费
亚州网
好大好硬好深好爽水视频
网友自拍网友偷拍
黄色在线91
国产avv福利播放
国产黄色网站在线看
色视频色视影院色视影库
馃崋馃崙馃崒馃崋馃崋