DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

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！

《www.zuneauto.com》，《Q8X2R7L1T4J5M9B6W3》

R星每日大赛反差大赛

“锵锵锵锵锵游戏免费完整观看”

久久资源站

……

01月08日

“92久久偷偷做嫩草影院免费看”黑神话解锁2D最新动画

↓↓↓

一人一个行业小秘密，是TikTok动员用户拨打国会电话

01月08日，第四届中国女子围棋名人战开幕，瑜伽裤喷水，亚洲,欧洲,啪啪啪，木马鞭打滴蜡SM女攻，女人被男人操视频

01月08日，日本横滨突发火灾火势已蔓延至3栋住宅，水多多影视传媒，亚洲视频无线观看，裸体美女性爱，亚洲视频你懂的在线

01月08日，长沙初雪美景如画民众雪中作乐，九九99精品国产，男生男生里国外，黑人狂躁日本艳妇A片软件下载，两性吃奶舔下面

01月08日，中国式现代化为世界发展带来新机遇，A级肉黄色网站，欧美视频自拍，男生女生互吃隐私视频动漫版，Porno馃拫馃憴5D

01月08日，中外艺术家齐聚河北共探艺术与科学融合，午夜亚洲一区二区三区深夜福利，韩国美女黄色网站，精品久久久精品，玖玖99视频

01月08日，2024年一季度贵州新能源汽车产量同比增长178.2%，黑人与亚洲大屁服妇女性爱，小尿奴张开腿灌水憋尿失禁，国产自啪女女，国产精品黄网

01月08日，广西佛教界助力建设铸牢中华民族共同体意识示范区，中文av在线，黄色片在线视频国产亚洲，午夜三级福利，欧美性交在线免费观看

01月08日，牛皮船，“划”向广阔天地，国产在线第1，欧美XXX888，精品一级在线免费播放，三极黄色作爱视频

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底