(10分钟带你了解)欧美理论一区二区三区鸿蒙版v28.967.831.02.07.72-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗 ?中科院新基准给出谜底

2026-01-09 03:53:42
泉源:

猫眼影戏

作者:

汪海涛

手机审查

  猫眼影戏记者 周恬 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:欧美黃色片

??01月09日,(乡村行·看振兴)乡村振兴视角下革命老区“红+绿”资源转化利用的“娄烦实践”,

  三、几点要求和希望。

,探花性爱免费小视频。

??01月09日,“纪念陈嘉庚诞辰150周年特别读书会”在厦大举行,

  一群人哑然。

,黄漫 18禁动漫app,国产 撒尿,狼友精品在线。

??时势2:aa视频大片网站

??01月09日,创多个“世界之最” 我国铁路和公路隧道超5万公里,

  这个时间,已经进入了石毅一脉的居地,他们这一脉的人焦虑,以宝骨等布下杀阵,镇压石子陵。

,99精品毛片大全,百度欧美视频亚洲视频一区,美欧曰韩精品人妻无码视频。

??01月09日,菲律宾发生海上撞船事故 4名中国游客受伤,

  “我的娘诶,爆发了什么,怎么会有这么多的凶兽 ?!”众人飞逃,片晌也不敢停留,在这样的兽潮雄师中,即即是一族之主大都也得退避,不敢硬碰。

,黄网在线观看网站大全,猛人库,18 看片。

??时势3:美杜莎被插羞羞网站

??01月09日,两会受权发布丨十四届全国人大二次会议主席团常务主席第二次会议举行 赵乐际主持,

  漆黑的群山间,只有一块安定之地。远远望去,一株焦黑的柳木上,一条嫩枝绿莹莹,散发出朦胧的光晕,将整片石村笼罩,与外界阻遏,一片祥和与清静,成为苍莽山脉中的唯一净土。

,嘼交Ⅴideos,国产真人一级a爱做片免费看99,www.199麻豆🔞🍆🔞盘点2025最新官方版下载。

??01月09日,日方祝贺台湾地区选举,中使馆:已向日方提出严正交涉,

  周围的山脉中,处在食物链最顶端的几个强盛保存,都没有敢挑战小不点,皆退缩了。

,亚洲天堂精品视频一级黄片,全部A片免费在线播放,杨幂被我射到高潮。

??时势4:久久天堂

??01月09日,飞行摄影师诺敏·何:做驰骋天际的“光影诗人”,

  小石昊跳下大青石,将那柄大锤拎了上来。

,爱情岛论坛亚洲入口,欧美AAAA在线观看视频,女同久久精品国产99国产精品。

??01月09日,俄罗斯海军舰艇编队将停靠古巴 美国部署军舰追踪!,

  突然,山脉深处,传来一声恐怖的鸟鸣,震惊的群山都摇颤了起来,有惊人的杀气爆发,如狂涛般涌来。

,吴梦梦星辰影院,在线人成网站免费观看,啊啊亚洲欧美在线。

责编:毛松林

审核:刘洪梅

责编:卢方

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图