目今位置:首页 → 电脑软件 → C罗敬酒?喝的银耳雪梨汤 → www.黄色在线视频 v9.167 最新版
v8.156 安卓免費版
v8.253.8122 安卓最新版
v7.430.630.557003 安卓免費版
v1.951 安卓版
v5.386.661 安卓免費版
v1.404.3144 安卓漢化版
v6.838 安卓免費版
v9.939.2073.515255 IOS版
v2.714 安卓版
v2.262 PC版
v8.192.1694.347424 安卓版
v8.543.809.142887 PC版
v2.808.3926.610433 最新版
v3.273.1060 安卓漢化版
v2.879.659.985486 安卓最新版
v7.482.3814.516555 安卓漢化版
v8.293 PC版
v6.705.739.363407 安卓漢化版
v1.39.4027 PC版
v5.329.7783.316234 安卓最新版
v1.454.5359.680859 安卓漢化版
v3.887.4468 PC版
v5.534.327.570789 安卓免費版
v7.513.4236 安卓版
v1.822.6491.131875 PC版
v4.88.6018.524980 PC版
v5.215 PC版
v7.753 安卓免費版
v1.113 PC版
v4.441.9805 安卓漢化版
v3.88.8586 最新版
v6.614 最新版
v5.16.6055.769881 IOS版
v3.590.7786.876999 PC版
v7.491 最新版
v3.218.4952 IOS版
v4.525 最新版
v4.757 PC版
v6.375.4449.465966 安卓免費版
v5.482 安卓漢化版
v5.323.3437.270759 安卓免費版
v2.588.6704.976964 PC版
v2.814.9208.774127 安卓漢化版
v7.888.9201 安卓免費版
v9.174.4216 最新版
v7.631 安卓免費版
v8.362.3287.867992 安卓漢化版
v3.767.801.570742 安卓免費版
v2.134 最新版
v4.658 安卓最新版
v6.36.8190 最新版
v6.973.5795.710420 安卓最新版
v4.11.7622 安卓最新版
v1.922 安卓免費版
v3.886 安卓版
v3.970.4643 安卓版
v5.845 安卓版
v4.788 安卓版
v6.428.4623.346264 安卓最新版
v3.262.9644 IOS版
v7.967.1132.113250 安卓最新版
v4.11.392.370152 PC版
v9.322.8824.177512 PC版
v2.155 IOS版
v1.468.1668.261339 安卓最新版
v5.760.791.770065 最新版
v5.368.6298 安卓免費版
v4.875.7127 IOS版
v2.747.6501.533089 最新版
v9.248.5902.969730 安卓免費版
v8.272.2089 最新版
v6.933.1899 安卓版
v3.336.2626 IOS版
v7.918 安卓最新版
v6.697.2730.515449 安卓最新版
v2.89.3067.381739 安卓版
v8.843.7104.387311 PC版
v1.818.7042.416778 安卓版
v4.111 安卓漢化版
v5.950.1119.825958 安卓漢化版
www.黄色在线视频
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
a片手机在线一级一区
夏尔米3D视频在线
哪个网站免费看黄色视频
外国操逼
困困兔和闺蜜三个人
青青青久在线视频免费观看
东方成人套图
特级婬片A片AAAAAA毛片
人人人人人人操操操操操
啊 慢点 好大 疼 出来
天美mv英雄视频大全在线观看
久久精品无码专区免费首页av
日本AAAAA级婬片A片AAAAAA
老头把我添出高潮A片
黄色一级视频网站免费在线观看
美国xxxx18japan
女 被 免费
91九色最新在线
少萝足球鞋导管素材必备
91高清国语对白在线播放
一级欧美激情性A片在线观看
爱坤视频 - 防封地址 - 牢记发布页,永不翻车
人人看人人摸
av深夜福利在线观看
国产91网址在线播放
日韩三级片一区二区
真实男女XX00动态图