v2.509.4035 安卓最新版
v3.237 安卓漢化版
v7.495.4551 安卓版
v9.711.2784 安卓漢化版
v9.239.5703.186772 最新版
v3.431.3893.935001 安卓免費版
v9.371.560.501386 最新版
v1.690.8416 安卓最新版
v3.522.5629.939310 安卓免費版
v3.919.5579.716665 安卓版
v9.37 PC版
v8.965 安卓免費版
v4.284.3497.496564 安卓最新版
v2.175 安卓漢化版
v1.2.5998.479107 最新版
v7.709 PC版
v8.505.3702 安卓漢化版
v9.405 安卓漢化版
v6.560.6455.939314 IOS版
v7.796.7887.818367 安卓版
v9.32.1905.901678 最新版
v3.474.1642 安卓漢化版
v8.44.3912.361340 安卓版
v6.414.6132.789779 安卓最新版
v9.367 PC版
v4.811 最新版
v9.772 最新版
v2.436.9789.654417 安卓免費版
v6.199.9802.393044 PC版
v7.29.3928.665964 最新版
v6.30.5382.327090 PC版
v7.899.221 安卓最新版
v9.773.5281.127315 IOS版
v1.956 安卓版
v8.196.1331 最新版
v3.35.9158 安卓最新版
v1.809 PC版
v9.877 安卓免費版
v4.951 最新版
v5.830.7618.511924 安卓最新版
v6.952.2713 最新版
v4.424.479.217223 安卓最新版
v2.6 PC版
v1.868.3915 安卓最新版
v5.871.3942 安卓漢化版
v6.443.7956.252387 安卓免費版
v6.421.7347.742409 IOS版
v6.925.2614 安卓版
v8.110.718.358486 安卓最新版
v8.142.620.735206 安卓最新版
v4.252.5368.422582 安卓版
v7.379.4468 安卓版
v5.623.5443 安卓漢化版
v8.410 最新版
v7.648 IOS版
v2.751.8466.113748 安卓最新版
v7.641.6913 PC版
v1.627.7171 最新版
v2.365.5308.733956 安卓版
v9.638.9016 PC版
v7.234.8042 PC版
v8.484 PC版
v7.433.4384 IOS版
v9.821.1360.196471 IOS版
v8.750.529 安卓漢化版
v4.954.6491.378776 安卓版
v5.378.7032.927023 安卓漢化版
v5.6.1577.38972 安卓漢化版
v1.4.5275 最新版
v9.613.2635.179011 安卓漢化版
v5.328 安卓最新版
v1.193.6277 安卓漢化版
v6.423.8637.247749 安卓版
v8.308 PC版
v6.655 安卓漢化版
v4.485.378 最新版
v3.780.6795.703563 安卓版
v1.9.4452 安卓最新版
v3.809.6955.33171 安卓最新版
v7.970.2552 安卓免費版
火影女忍者拔萝卜
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
搞机time直接打开不用不收钱手机一
国产精品免费福利
国产一区二区三区AV免费
在线欧美亚洲二区
A色无码三级A色
欧美婬色免费黄片
国产精品久久久久9999无码
看黄色大偏网站视屏
亚洲理论欧美色图日本理论
蓝莓视频18禁
国产在线播放原创精品 福利
97精品国产福利一区二区三区
骇爪被c
亚洲爱情岛网站永久
少妇带来月经B图片
一级日本大片免费观
麻豆一区
国产一极毛片在线看
99精品国产兔费观看久久99
www.快色视频
裸体王冬被❌吸乳羞羞小说
久久无码亚洲精品
欧美社区在线视频
巧露VC
九九热视频在线
欧美艹B
变态免费三级片
av 自拍偷拍
国产在线观看无码免费视频