目今位置:首页 → 电脑软件 → 《求是》发表习近平总书记重要文章 → 911 在线完整播放 v7.381.770 安卓版
v5.276.417 IOS版
v5.936 安卓漢化版
v4.541.3014 安卓漢化版
v5.712.2215 IOS版
v3.110 IOS版
v1.918 PC版
v2.378.5797 最新版
v8.960.7934.440116 安卓最新版
v9.213.5839.74818 IOS版
v3.599.7738.306440 IOS版
v1.80.7888.409141 安卓最新版
v4.139.5207 PC版
v5.794.1408.424569 安卓版
v2.768.5503.519109 安卓免費版
v9.826.8054 安卓漢化版
v6.405 安卓免費版
v4.917.1088.443159 安卓最新版
v7.172.6249.348924 安卓版
v3.182.4856.390956 IOS版
v6.552.1343 最新版
v7.857.4398.162727 安卓最新版
v6.492.1642.426739 安卓漢化版
v8.157.5308.112957 安卓免費版
v1.565.4914.335392 安卓版
v6.990.6352.238173 安卓版
v8.641 安卓版
v5.719 安卓免費版
v3.292.4282.291104 安卓版
v8.784.8245.526473 安卓漢化版
v8.909.5104.481629 安卓版
v7.282 安卓版
v5.659 安卓版
v1.926 安卓免費版
v5.799.1264.149610 PC版
v4.866.4215 安卓免費版
v7.259 安卓免費版
v7.380.8160.70929 安卓最新版
v9.432.7885.585505 安卓漢化版
v1.408.1291.981231 PC版
v9.964.2759.971954 安卓免費版
v4.171.2401.532310 安卓版
v5.703.6828.144007 最新版
v5.674.7755 PC版
v7.30.7941 安卓版
v5.955.9126 安卓版
v6.950.809.314307 安卓免費版
v3.808.9620 最新版
v1.149.8860 IOS版
v5.456.7287.289601 PC版
v2.487.3916 安卓漢化版
v3.438.5590.775742 安卓免費版
v3.571 安卓免費版
v4.347 IOS版
v3.526 安卓漢化版
v7.407.5481 PC版
v6.423.1562 安卓最新版
v8.400.6075.360437 PC版
v1.853 IOS版
v5.52 PC版
v4.965.13 PC版
v6.788.6240.578664 IOS版
v3.797 安卓漢化版
v4.510.5054.677673 最新版
v5.78.689 最新版
v7.893.1268 IOS版
v3.761.6678 安卓漢化版
v7.526.7010 安卓免費版
v8.385 安卓免費版
v7.709.415.934479 IOS版
v4.601.4750.729254 最新版
v2.858.7664.879055 最新版
v6.913.3153 安卓版
v9.632.7969.578555 安卓版
v7.376.7576 安卓漢化版
v7.981.4749 安卓免費版
v3.594.8498.594736 安卓最新版
v1.648.3008.590218 安卓免費版
v4.161 安卓漢化版
v6.351.2441.279932 安卓最新版
v6.836.9257.175870 安卓免費版
911 在线完整播放
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
午夜福利视屏
欧美妇女在线
黄色片黄色片黄色片黄色片男人的黄色she
免费精品黄色网站一区
国产真人做视频免费观看
无码国产模特AV免费私拍
美女扒开腿让男人桶爽真人版视频
激情乱伦小说网
91熟女性爱视频
性欧美性视频
真人黄色视频免费在线观看
1024在线播放一区二区三区1234
A片毛在线永久免费看
久久九九九九视频999
性香欲视频一区
国产真实乱子a在线观看
爱情岛论坛免费观看线路一
pinkloving电影在线观看
啊灬啊灬高潮来了视频
亚洲成年女人AV毛片性性教育
小芙很乖App下载
china末成年video学生
wwww免费破处
欧洲国产青草衣衣
印度一级黄片免费看
aⅴ黄色视频
,人人综合操