目今位置:首页 → 电脑软件 → 沪深两市今日成交额7030亿 → 17c亚洲 v9.138 最新版
v1.836.9762.504099 IOS版
v8.941.5242 IOS版
v1.417 PC版
v2.932.5138.894382 PC版
v4.437 安卓漢化版
v8.347.7031.102139 安卓最新版
v6.549.5480.499000 最新版
v5.564.5424.145065 安卓版
v9.508.951.871501 安卓最新版
v6.406.9057 安卓版
v1.22.5155 最新版
v9.408.6884.522842 安卓漢化版
v7.434.6138.92462 安卓最新版
v3.571 安卓版
v3.213.2299.537943 安卓版
v6.213.391.375008 安卓免費版
v5.433.3921 安卓版
v2.968.2320.712049 IOS版
v1.340.5821 PC版
v4.847.2136.976294 安卓最新版
v9.894 最新版
v4.41.3473.312567 安卓免費版
v6.694.5055 安卓免費版
v1.693.3481.638973 安卓漢化版
v2.248.6903 安卓免費版
v6.465.8839.378688 PC版
v7.603.4036.192418 PC版
v6.571 PC版
v6.8.5643.969703 PC版
v2.350 最新版
v5.578.9554.802900 最新版
v7.882 安卓最新版
v2.508.6335.521283 最新版
v1.841.1265.658541 安卓版
v1.294.6650.171810 安卓免費版
v9.725.4877.608230 安卓最新版
v6.512.2304 IOS版
v9.659.9475.247518 安卓免費版
v1.972.6971.506307 安卓漢化版
v8.242 PC版
v5.951.9871.637005 安卓最新版
v4.656.8262.379126 安卓免費版
v3.39 最新版
v3.464.3220 安卓最新版
v9.401.1341.955560 安卓免費版
v5.982.7137 PC版
v8.917.839.938538 IOS版
v6.206.2436.182123 IOS版
v5.175.6174.689693 PC版
v2.746.6961.294727 安卓免費版
v1.653.6794.451486 PC版
v7.263.5942.612702 安卓漢化版
v5.349 最新版
v4.72.508.401878 安卓免費版
v8.411.1245 安卓最新版
v5.242.1741.76554 PC版
v5.961.7292.857716 安卓最新版
v8.285.4.503476 安卓漢化版
v5.33.8435.589666 安卓漢化版
v7.410.5816.603595 安卓漢化版
v8.99 IOS版
v7.678 安卓最新版
v2.776.6378 安卓免費版
v1.108.5469 安卓最新版
v1.402.7704 安卓漢化版
v5.242.4289 安卓最新版
v8.962.2572.932955 安卓免費版
v2.752.3467.300353 IOS版
v4.981.9668.604523 PC版
v2.790.2279 PC版
v1.354.3653 IOS版
v9.177.5387 IOS版
v2.990 安卓最新版
v7.668.3168 安卓免費版
v2.837.4029.398701 最新版
v6.82 安卓版
v6.941.6639.117659 安卓最新版
v3.334.1337 安卓版
v8.418.8973.327970 IOS版
v3.654 IOS版
17c亚洲
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
人人干人人射天天射
国产在线看黄
欧美 日韩 国产 一区二区三区
欧美com
国产精品碰碰免费观看
亞洲精選精品黃色視頻
色哟哟在线观看免费高清
穿jk被c
十八同人动漫
青春草无码精品视频在线看
亚洲第一黄片综合在线
毛片小视频
动漫美女被强奸
热色色
狠狠88综合久久久久网
暖暖一区三级片
小 戳进 无遮挡网站免费
触手怪 进尿孔里动漫视频
久久国产精品网站
JAPAN18HDX
周璐任梦
免费无码又爽又刺激又污又黄网站
欧洲黄色网络
琪亚娜被 到爽 高潮痉挛
极品粉嫩摸巨奶乳