v6.365 IOS版
v1.751.2746.580922 安卓最新版
v3.20.7065.622021 安卓最新版
v6.458.385.495772 安卓免費版
v5.496.7897.62697 IOS版
v3.981.7585.528812 安卓最新版
v6.591.8489.986107 最新版
v3.458.4008.110698 IOS版
v7.149 PC版
v8.278.2134.478527 安卓漢化版
v4.885.6123 安卓漢化版
v4.18.8817.850042 IOS版
v3.341.2546 最新版
v4.155.4755.176178 安卓最新版
v2.346 PC版
v8.209.2818 PC版
v1.905.144 安卓版
v7.765.1.45989 最新版
v1.545.3983 最新版
v8.990.4989.567239 安卓版
v7.512 PC版
v3.58 安卓免費版
v4.233 PC版
v4.553 安卓免費版
v5.262.8362.442888 最新版
v9.4 安卓免費版
v8.299.2832.120049 安卓最新版
v3.650 安卓版
v8.270.791.318377 PC版
v6.353.6703 PC版
v6.573.7496.270810 IOS版
v9.587.9238 安卓版
v8.59.7066.868306 安卓免費版
v4.429.335.209146 PC版
v8.807.1445.917202 IOS版
v2.962.580.348139 最新版
v6.711.2482.427454 安卓最新版
v2.209.3463.932176 IOS版
v7.51.9935.1796 IOS版
v5.375.110.838190 PC版
v1.769.7776.43666 安卓免費版
v3.153.7585.705697 最新版
v2.267 最新版
v3.273.7329 最新版
v5.866.1302 PC版
v6.180.6944 安卓漢化版
v4.737.7961 安卓版
v5.512 安卓版
v9.245.5076.632716 最新版
v1.660.2894.412276 最新版
v5.554.9479.872815 安卓最新版
v3.262.7461 PC版
v7.728.2918.183476 安卓免費版
v9.264.6681 安卓最新版
v7.945.5953 安卓最新版
v1.268.2842.867233 安卓最新版
v7.128.2180 安卓版
v5.239.9345 安卓漢化版
v2.401.3621.845604 安卓漢化版
v3.486.567.758470 IOS版
v5.824.3521.359044 最新版
v5.38.5220.146497 PC版
v5.942.6167.661549 安卓版
v4.176.2557.596624 安卓漢化版
v2.756.295.696574 IOS版
v1.285.261 PC版
v3.655 最新版
v2.465.419 安卓免費版
v7.612 PC版
v8.350 PC版
v4.546.500.702681 IOS版
v4.638.5151.905318 最新版
v4.444.4567 安卓最新版
v5.188.3752 最新版
v4.812 安卓最新版
v9.507 最新版
v7.865.9192.792327 安卓漢化版
v8.33.5807.206297 IOS版
v4.685.570 安卓漢化版
v3.741.9368 安卓免費版
黄片8888
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
18岁以下禁止观看网站
高清一级a毛片录像在线
人人妻人人插人人操
日韩A片强奸在线播放
欧美久草性爱
欧美人与动性行为视频首页
性生大片免费观看在线
大雷插大狙
日韩 欧美a
久久精品2012国产
日本黄大片影院一区二区
欧美中日韩免费专区在线
三级一级黄片
玩弄
甜心vlog在线观看免费高清完整免费版
furry狼人榨精Gay网站
性爱在线破解版黄色网站
欧美另类69XXXXXORG
女人 又爽 又黄
偷拍 自怕 亚洲 精品
散兵拿黄瓜x自己污水喷口
无码免费高清视频
无码专区免费欧洲毛片A级视频
8X在线免费视频
被伴郎的内捧进出H黄文视频
520886·moc美国叛