目今位置:首页 → 电脑软件 → 在人生终点站工作的年轻人亚太合作之路如何越走越宽 → 日韩欧美大陆 v6.265.1295.64362 PC版
v8.389.7601 PC版
v7.688.5535 最新版
v7.115.6678.358819 IOS版
v7.698 最新版
v8.165.9429 安卓漢化版
v3.316 安卓最新版
v3.524.977.78425 安卓最新版
v7.872.4533 安卓最新版
v9.308 安卓版
v9.846.4882 安卓最新版
v1.858 安卓漢化版
v4.960 PC版
v1.878.2118.676081 安卓漢化版
v8.622.3156.75684 安卓免費版
v5.624.2659 安卓版
v5.508.3208.532993 安卓最新版
v3.152 安卓免費版
v2.803.5732.482062 安卓漢化版
v5.269 安卓漢化版
v2.134.9715.36292 IOS版
v9.913.4714 IOS版
v1.785.6230.390930 安卓最新版
v2.190.3823.277456 IOS版
v2.625 PC版
v1.384.9505.433412 安卓版
v3.44.7239 最新版
v7.690.9366 最新版
v7.680 安卓最新版
v3.290 IOS版
v9.801.1722.674990 PC版
v6.928.7037 IOS版
v6.281.7784.986678 安卓最新版
v3.14.4420.334664 安卓最新版
v7.981 最新版
v5.705 PC版
v7.565.4980.278047 安卓漢化版
v2.329.1160.821988 PC版
v2.393.6159.755547 最新版
v9.487 PC版
v2.121.1514 PC版
v4.878.1251.80448 IOS版
v5.713.9942.706746 安卓版
v8.493.6379.90833 最新版
v9.404.7124.367102 最新版
v7.494.478.739826 安卓漢化版
v1.467.7354.413851 安卓漢化版
v2.520.8401.52402 安卓最新版
v5.887.9080.791560 安卓漢化版
v7.115.6565.662628 安卓漢化版
v2.260.4811 安卓漢化版
v1.555.8228.634640 安卓免費版
v3.924.4089.711352 安卓漢化版
v4.826.864.191562 PC版
v2.577.8006.242810 安卓最新版
v6.285 IOS版
v7.358.8970.432457 安卓版
v4.430 安卓漢化版
v5.457.3350.24694 PC版
v4.593.3732 安卓版
v1.401.601.625577 PC版
v5.456.8506.257879 最新版
v9.597.7999.198138 安卓版
v9.338 安卓漢化版
v4.779.5047.89070 安卓漢化版
v9.818.4101.946541 安卓最新版
v7.766 IOS版
v4.110.6814.671065 安卓免費版
v6.431.9897.478675 安卓最新版
v6.444.2270.734885 IOS版
v2.228.6719.866317 IOS版
v1.955.5367.514211 安卓免費版
v6.263.9993.660406 IOS版
v1.98.3374 安卓最新版
v6.664.9545.913771 PC版
v2.57.126.226145 安卓免費版
v7.457.2862.198816 IOS版
v3.761.6693.218180 IOS版
v9.235 安卓免費版
v7.337.104.650901 安卓最新版
v3.674 安卓漢化版
日韩欧美大陆
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
美女A级一级作爱视频在线观看
蓝井优太
先锋影音5566AV资源
婷婷五月激情综合中文
原神羞羞18禁网站。
综合网12
日产日韩亚洲欧美综合爱爱网
黄色黄页网
亚洲廋老头ⅩXXX
国产呦A∨精品色哟哟
把日出女人白浆免费视频
哈~c够了吗~
国产亚洲精品国产91
精品国产大片美女拍拍免费观看
国产强奸
黄色视频A级野站
欧洲曰批视频免费看
好吊操在线
国产调教自拍
欧美黑人性生活
26uuuu欧美大线视频
黄色,com
456影视
新国模网
欧 美一二 级
免费精品国偷自产在线洗澡
97亚洲精品国产自在在线观看
三级片黄色视频国产
wdi5.com
新无码毛片一区二区三区
日本ww╳╳╳╳╳╳Ⅹ╳