v3.934.4603.393243 最新版
v6.421.6160 安卓版
v3.87.591.951620 IOS版
v8.252.3465.462974 PC版
v3.215.1609.5195 安卓免費版
v6.344.2093.834145 安卓最新版
v1.27 安卓漢化版
v5.498.1810.131422 最新版
v2.716.9617.650589 安卓最新版
v5.484.4234.261082 PC版
v2.130.5896.583456 安卓免費版
v9.448.7658 安卓漢化版
v4.492.883 安卓漢化版
v9.148.9843.335610 安卓漢化版
v3.93.8178 PC版
v5.514.2997.836774 安卓漢化版
v4.190.4612.353980 PC版
v9.99.6889 最新版
v9.232.2431.298767 PC版
v3.768.3825.909116 PC版
v3.615.7388.404931 安卓漢化版
v7.989.7765.94593 安卓版
v2.567.5919.140971 安卓漢化版
v3.760.8910.826349 安卓免費版
v8.868.4859 IOS版
v1.198.6159 最新版
v1.710.2205.95342 最新版
v3.306.6476.222551 最新版
v7.125 PC版
v6.30.2091.786319 最新版
v1.113.8595.85920 安卓免費版
v8.486.6254.519765 安卓版
v6.32.5400.705061 安卓免費版
v1.401.8042.961306 IOS版
v5.536.5681 IOS版
v7.31.5489.95312 最新版
v1.140.2300.547887 安卓最新版
v3.87 IOS版
v5.855.8295.203495 安卓漢化版
v9.555 安卓免費版
v2.850.6516.703064 PC版
v9.261.564.229698 安卓漢化版
v4.87.5472.233263 最新版
v9.225.5325.706281 最新版
v4.983.2041.319451 PC版
v5.44 安卓版
v2.391.1319.366255 IOS版
v6.596.2175.951825 安卓版
v6.982 IOS版
v5.276 安卓版
v2.448.7379.422 PC版
v2.466.4684 IOS版
v9.17.5408.36828 IOS版
v4.684.584.563581 最新版
v6.574.3315 安卓最新版
v7.168.6724.706444 PC版
v1.178 安卓漢化版
v3.223.8103 安卓版
v8.571 安卓漢化版
v6.641.3850 PC版
v6.882.9222.417296 IOS版
v2.397 PC版
v1.975.5077.577905 安卓免費版
v8.927 安卓免費版
v8.208.62.685602 安卓免費版
v3.381.2303.540121 安卓最新版
v2.959.6732.989314 安卓最新版
v6.792.5087 PC版
v2.603.1503.675438 IOS版
v2.134.6996 安卓最新版
v9.308.3334 安卓最新版
v3.49 安卓版
v1.597.4434.73672 IOS版
v2.791.4376 安卓免費版
v5.651.899.779700 安卓免費版
v4.828.317 IOS版
v7.894 最新版
v4.54.1132.430358 IOS版
v9.140.8524.924394 安卓版
v1.417.2611.762608 安卓版
玖玖精品电影网
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
亚洲一区二区三区在线观看91
亚洲欧洲国产综合
av一级片黄色网站
国产小视频91
日韩无码高朝
久久性H视频
人人干,人人操,人人插,人人射
亚洲专区,日韩
被 到爽 流视频鉴黄师
在线免费黄色国产剧情网址
黄色网站日本免费观看打开不卡
日本免费看黄网站
18大学生🈲免费看
欧美国产欧美在线
亚洲jiZZjiZZ在线播放久
色色网站视频
欧美性爱苐一页
免费成电影A毛片
欧美性爱黄色网
扒开 狂揉 做裸体
欧美精品国产一区二区
POPN
中文字幕国产欧美日韩成年人看片
AA黄色视频在线
95视频逼
美国黄片免费观看