v3.410.5108.929284 PC版
v7.130 安卓版
v4.300.3591.246366 安卓版
v1.76.2278.788914 安卓最新版
v1.387.3171.573764 PC版
v5.3.3286.853014 最新版
v4.784.1680.773007 IOS版
v8.197.2149 安卓最新版
v6.495.8700 IOS版
v6.970.3865 安卓最新版
v2.469.6763.363133 安卓最新版
v1.482.7186.89983 安卓漢化版
v2.79.1408.501780 安卓漢化版
v3.134.5903 PC版
v6.990 安卓免費版
v1.906.9186.697171 安卓免費版
v7.39.9982 安卓版
v5.4 最新版
v4.790.4203.279350 最新版
v5.16.7942.137647 安卓免費版
v1.763.3551 最新版
v9.127.6132 安卓漢化版
v2.264.683.953194 IOS版
v3.789.6226.594740 IOS版
v1.820.8070.753383 IOS版
v3.885.69.432336 安卓漢化版
v7.756.854 安卓最新版
v9.574.160.697987 安卓免費版
v1.368.2474.896838 安卓版
v3.233.6956.108056 最新版
v8.937.1275.259366 安卓漢化版
v7.732.5393.3936 IOS版
v7.759 安卓最新版
v6.717 最新版
v9.828.2871 最新版
v9.325.7791 IOS版
v8.783.9503.106688 PC版
v7.408 安卓免費版
v4.885.8168 PC版
v8.181 安卓漢化版
v8.230.1036.623371 安卓漢化版
v9.517 安卓漢化版
v5.55 IOS版
v1.783.4671.951530 安卓漢化版
v6.567.3696.118049 安卓漢化版
v8.603 IOS版
v1.422.8442.327157 安卓免費版
v2.425.4878.235968 IOS版
v2.516.7216.799905 安卓版
v9.266.6216.348245 最新版
v5.121.6250.596016 PC版
v9.780.391 IOS版
v9.162.1144.456507 安卓漢化版
v2.111.6757.686257 PC版
v3.227 安卓免費版
v5.256.4436.675039 IOS版
v6.167.9741.40682 安卓版
v6.324.7144 安卓漢化版
v6.406.643 最新版
v7.770.2620 PC版
v6.807.9622.292330 安卓免費版
v7.860.9300.812201 安卓最新版
v7.484.3603 安卓免費版
v8.831.8086.40525 IOS版
v9.437.9075.946837 安卓版
v1.419.2448 PC版
v8.608.9482.364734 安卓漢化版
v3.328.4740 安卓漢化版
v1.272 安卓版
v9.614 安卓漢化版
v5.341.1977 安卓漢化版
v9.611.4820.677172 安卓最新版
v9.171.1231.479805 安卓版
v4.152.597 IOS版
v8.793 安卓最新版
v4.339 IOS版
v1.126.8259.340329 最新版
v2.25.6595.948193 PC版
v8.223.8433 安卓最新版
v1.607.5279.599709 安卓最新版
欧洲美女A级免费视频
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
埃及猫黄油18+下载
freeHD18 麻豆
你懂的在线不卡
色综合久久88色综合网
成人抖抈2025最新版官方版
吴梦梦做爰全过程
2021AV天堂网永久免费
免费看一级黄色录像
jizzjizz欧美
黄频在线免费观看
中文字幕精品色欲大片
日韩人妻一区毛片
老熟精品视频一区二区
人人操99
能免费看的黄色视频在线网址
国产精品高清入口在线
《黑土同人漫画》免费阅读
91男女
BBIXX高清视频
Gold Color Paisley Pattern Men 5-Pieces Gift Box Set Tie For...
成人免费A片 白浆视频
在线视频网欧美