v3.735.6930 最新版
v7.344.1749.622545 PC版
v5.694.2923.858454 IOS版
v8.895.6519.442503 最新版
v7.912 安卓最新版
v3.503 安卓漢化版
v7.51.3427 安卓漢化版
v8.621 安卓免費版
v5.305.7200.871524 PC版
v2.559 安卓免費版
v2.384.4547.828474 最新版
v7.38.6884.561094 安卓免費版
v5.932.3704.42409 安卓版
v4.719.804 安卓漢化版
v3.255.8181 最新版
v9.739 PC版
v2.925 安卓免費版
v9.533.9709 最新版
v5.644.6021.681054 安卓版
v1.358 安卓最新版
v7.787.1747.552187 PC版
v3.931.9484.395292 安卓版
v7.29.9964.65763 安卓免費版
v3.917.4410 安卓最新版
v9.229.953 安卓免費版
v2.398.4859 安卓最新版
v6.629.4696.577052 安卓免費版
v1.954.9617.907291 PC版
v6.193.2088.83620 安卓版
v8.367.1774.485206 安卓版
v9.541.7947.440563 安卓版
v7.47 PC版
v7.948.4447.349147 安卓免費版
v6.628 最新版
v6.659 安卓版
v7.998.7210 最新版
v1.443.4893.783461 安卓版
v9.463.6360.615177 最新版
v8.375.673 安卓版
v9.602.8751.914049 安卓版
v7.4.948.491610 安卓漢化版
v8.378 PC版
v3.282.271 IOS版
v8.741.3554.394473 IOS版
v3.747 安卓最新版
v6.412.1515.110890 安卓免費版
v8.403.2786.706721 安卓漢化版
v3.881.2370.35066 安卓最新版
v5.226 PC版
v7.400 安卓最新版
v9.601.9603.192534 PC版
v3.677.9449.988356 安卓漢化版
v8.566 最新版
v4.684.4496.595370 安卓漢化版
v9.192.2743.23567 PC版
v7.541 安卓版
v4.227 安卓漢化版
v5.590.2627.704438 安卓最新版
v3.971.2139 IOS版
v6.368.592.672236 IOS版
v9.767.3001.302517 最新版
v1.950.6009.854709 安卓最新版
v9.493.666.975807 PC版
v7.654 PC版
v9.176.3487.433519 安卓版
v1.455.9676.272749 安卓版
v3.109.7012.182372 PC版
v8.155 PC版
v5.290 安卓免費版
v7.92.9418.905518 PC版
v2.251 安卓漢化版
v3.205.2782.290416 安卓漢化版
v3.734 最新版
v9.938.6585 安卓免費版
v9.20.1979.310487 IOS版
v2.367.72.215665 最新版
v2.139.3910.942140 安卓免費版
v4.670.5064.826357 PC版
v5.930 最新版
v3.384.9583.828788 最新版
猛男日少女的图片
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
仙魔劫电影在线观看免费高清
鸥美理论在线
荡货夹的这么紧欠C调教微博
美女乳头
人人操人人干公开
日韩黄色一区二区三区
furry虎人巨大粗爽根g网站
一级欧美黑人大战白妞A片
小樱同人本子
玖玖玖爱视频在线更新
欧美AA大黄片
一片做a免费看
欧美一级作爱视频观看
亚洲毛片在线直播大全
人人操、人人干
www.jip av
亚洲一级黄色网站啊啊受不了了
美女网站免费不下载
涂山雅雅被扒开腿
打屁股美女
中文字幕在线观看网站A
欧美日韩国产综合新一区
BBIXX视频免费无码
久久再先视频
女人尻猪