目今位置:首页 → 电脑软件 → 易烊千玺清扫心上的垢尘 → 欧美 亚洲 日韩免费在线视频 v6.777.2577 安卓版
v6.95.3463 安卓漢化版
v4.333.9330 安卓免費版
v4.362.5901 IOS版
v7.9.8524.552624 IOS版
v6.58 PC版
v1.210.9243.823456 PC版
v6.225.2777.909042 安卓最新版
v2.581.6394.794027 最新版
v8.366.704.558413 PC版
v1.321.3743.289554 安卓版
v4.276.7572.336619 IOS版
v2.866.5301 IOS版
v7.81.5462 IOS版
v1.743.7433.658930 安卓免費版
v5.888.3796.855435 最新版
v3.21.7018.773402 安卓版
v3.911 PC版
v5.496 安卓最新版
v2.364.7381 安卓漢化版
v4.922 安卓版
v3.213 安卓版
v1.362.9856.745354 安卓免費版
v7.698.8408.801445 最新版
v1.962.479.146379 安卓版
v9.260.3264.22409 PC版
v2.632.6013 安卓免費版
v9.711.3960.614862 安卓最新版
v2.183 最新版
v6.697.463.763049 安卓最新版
v9.482.475 IOS版
v8.430.8986.925756 安卓漢化版
v5.356.2736.315907 安卓免費版
v1.936 安卓漢化版
v3.469.578 安卓版
v4.788 最新版
v3.764.8411.931393 IOS版
v4.796.5630 安卓漢化版
v2.522 安卓漢化版
v7.121.6233.693227 安卓版
v1.929.293 IOS版
v6.927.4973.419104 安卓漢化版
v6.100.6010.740206 安卓最新版
v7.489.9133.230093 PC版
v2.418.6883.851632 安卓免費版
v4.520.5163.212320 PC版
v4.195.6081 IOS版
v5.543.6978.91352 最新版
v3.86.6134 安卓最新版
v7.938.160 IOS版
v3.580.1163.841007 安卓最新版
v4.101.3237.864026 IOS版
v9.335.42 安卓免費版
v9.892 IOS版
v5.33.6779.241507 安卓版
v8.111.8901 安卓漢化版
v4.97.1951.567546 安卓漢化版
v6.406 PC版
v3.343 安卓免費版
v7.36.1073 安卓漢化版
v2.153.102.336256 安卓最新版
v2.332.3617.546986 安卓免費版
v8.120.2122 安卓版
v9.759.7791 安卓版
v9.452 安卓最新版
v5.487.3237.53476 安卓免費版
v5.259.3423 PC版
v3.57.5160 安卓漢化版
v8.194.9420.149144 安卓版
v8.639.5882.293713 PC版
v7.923.5489.29294 安卓最新版
v2.269.6428.246155 安卓漢化版
v8.40.9301.12517 安卓漢化版
v6.714.2219 IOS版
v2.817.7696 安卓最新版
v5.713.7746.443675 PC版
v1.317.4785.688974 安卓版
v6.904.2571.592848 安卓最新版
v2.471.1022.891184 安卓漢化版
v8.969 最新版
v4.583 安卓最新版
欧美 亚洲 日韩免费在线视频
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
拔萝卜黄九幺免费
锵锵锵免费完整观看
深夜福利网站男生女生啪啪啪
中文字幕 第111页
久久精品国产一区二区三区日韩
美女视频永久黄网站免费观看热门
人人爱人人干人人爱
18 害羞勿进
18禁美女挤奶
四川女人乱子视频
美女裸体全身秘 遮挡大肚子
国外一级片免费观看
亚州操B
949网站在线观看
手机看片金沙人妻1024首页
九九九网站视频
欧美性爱丝袜办公室在线
欧美超级乱婬片
精品A片观看视频
精品国产尤物91福利
亚洲午夜欧美一区二区又大又粗
四川真人做爰全过程免费
黄工厂最新无码网站
窈窕领先官方网站
久久久九九精品国产毛片A片
晚上不睡觉看点害羞的视频
久久播视频