目今位置:首页 → 电脑软件 → 新能源车主称买车容易养车难 → 外围平台app排行绑 v1.284.686.269518 最新版
v8.774 安卓漢化版
v1.262.795.958548 安卓最新版
v7.694.3485 最新版
v8.453.245.259905 安卓免費版
v1.511.6497.816394 PC版
v4.316.3241 安卓版
v8.271.8384 安卓免費版
v9.994.9053 安卓版
v7.19.8891 安卓漢化版
v7.906 安卓版
v7.694.7088.370209 安卓漢化版
v6.380.6230.473007 最新版
v6.662.4661.907819 安卓最新版
v9.784.4796.316967 安卓版
v7.695.7760.654465 安卓最新版
v3.317.6351 IOS版
v5.660.5081.407749 安卓免費版
v3.314.5513 安卓版
v5.93 IOS版
v6.775 IOS版
v9.246 安卓免費版
v3.157.7695.176221 安卓版
v1.266.8623.542743 安卓版
v9.203.6069.921063 安卓免費版
v6.236.9287 IOS版
v3.524.8545.628341 IOS版
v4.573 安卓漢化版
v1.230.6087.703850 IOS版
v9.695.4345.663581 安卓免費版
v8.215 安卓免費版
v6.264.5648.170241 安卓版
v9.458.4680.500887 PC版
v9.722 IOS版
v5.967.4103.608607 安卓免費版
v1.175 安卓最新版
v7.748.6763.534140 IOS版
v6.93.5876.972221 IOS版
v5.837.4100.54260 安卓最新版
v4.784.5445.275862 最新版
v9.877.8138.291810 安卓漢化版
v4.350.2078.48960 安卓漢化版
v1.131 安卓漢化版
v5.60.7866.151151 安卓漢化版
v3.427 安卓版
v1.958.8544 PC版
v1.794.7168.636616 IOS版
v9.988.290.566427 PC版
v1.585.3230.994493 最新版
v7.43.3913 IOS版
v9.802.9497.535377 最新版
v5.334.3525 安卓版
v2.24.3943 安卓最新版
v5.626.7714.404654 最新版
v5.908.9408 最新版
v8.399.2614 PC版
v4.416.6312 安卓免費版
v8.8.9503.707722 安卓最新版
v5.934.1667.20574 IOS版
v2.74.4271.187552 安卓漢化版
v1.57.7590.83648 安卓版
v3.240.4373.226896 最新版
v8.168 安卓免費版
v5.332.7045.374185 PC版
v2.41.2253.22484 安卓免費版
v8.382.7919.499874 PC版
v4.912.8701 安卓版
v9.815.8581.930771 安卓漢化版
v8.317 安卓免費版
v9.582.7580.68404 安卓版
v6.86.1260 PC版
v9.839.8956.833791 安卓最新版
v6.848.9751.483245 最新版
v6.530.7810 PC版
v1.970.511 安卓免費版
v1.401 最新版
v7.730.5139.800277 安卓漢化版
v4.58.4006.826896 PC版
v9.438.6284 安卓最新版
v8.900.1254.859641 安卓免費版
v5.784 安卓免費版
外围平台app排行绑
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
A级毛片免费高清视频软件
光溜溜的少女漫画!
囯严做受 高潮A
免费全全黄特级一级A片
中国少妇一级A片
成人毛片一区二区三区
免费又爽又黄的视频网站
日韩黄色激情视频
成年人黄色视频免费在线观看
简单AV网
五月激情综合婷婷
可以看美女隐私部位的软件
色一情一乱一伦一区二区三区四区
人妻丰满熟妇av滝川恵理
激情视频和图片小说
欧美精品在
性爱无码视频网站
高清无码在线看网站
在线看国产黄AV免费
欧美狂野一区二区
晚上网站h欧美
班长让我诵一节课视频教学
国产欧美日韩区
欧美性生活
在线看片免费人成视频在线
视频一区二区三区黄色三级
精品无码在线观看视频
印度人妻开发视频网