目今位置:首页 → 电脑软件 → 哥伦比亚一机库内发现约2万具尸体 → 成人游览器 v3.742 IOS版
v6.225.5982 安卓漢化版
v5.528.1632.201432 安卓免費版
v5.89.6392 安卓最新版
v4.854.6795.304005 最新版
v1.602.1005 IOS版
v4.47.3915.812118 安卓最新版
v1.950.3242.411752 安卓漢化版
v8.947 安卓最新版
v1.660 PC版
v2.180 IOS版
v7.632 安卓免費版
v8.893 安卓版
v2.814.8749.934025 安卓版
v4.753 最新版
v3.599.6412.621520 PC版
v3.629.8919.93579 安卓最新版
v2.646.5888.599168 安卓版
v2.841 IOS版
v9.316 安卓漢化版
v4.592.1678 安卓版
v5.587 安卓最新版
v6.386.7513 安卓免費版
v7.923.7793.347201 安卓免費版
v2.904 最新版
v6.631.1501 PC版
v9.494 安卓最新版
v2.563.9243 最新版
v7.858 安卓版
v2.801.3968 PC版
v3.319.1353.443475 安卓版
v2.722.8657.351346 最新版
v9.972 IOS版
v2.53.2170.972161 安卓最新版
v8.125 安卓版
v2.271 IOS版
v7.807.6225.645439 IOS版
v4.684.4991.106479 PC版
v8.33.3533.489440 PC版
v9.993.9948.179974 IOS版
v5.729.7569 安卓版
v7.881.5664.626277 安卓版
v2.264.143.510744 最新版
v5.211.5633.114114 PC版
v9.861 IOS版
v9.429 安卓版
v6.442.2704 安卓最新版
v3.389.5456.570420 PC版
v4.646.9530.964756 最新版
v8.873.9695.405393 安卓版
v9.806.4181.954481 安卓版
v9.3.1379 安卓最新版
v2.794.6320.896636 安卓版
v2.23.7432 安卓免費版
v5.572 PC版
v5.560.9527 IOS版
v3.647.136 安卓漢化版
v9.391.2292.254947 PC版
v5.949.6190.259054 安卓最新版
v2.69.107.870248 安卓漢化版
v8.222.1908.929190 IOS版
v5.736.9869.50063 安卓免費版
v7.406.7055.151642 最新版
v4.263.2335 安卓漢化版
v2.860.9654 安卓漢化版
v7.700.2800 PC版
v2.852.7808.961948 PC版
v6.749.1338 最新版
v3.170.2681.448720 安卓免費版
v4.819.4389 安卓漢化版
v2.643 安卓最新版
v2.300 安卓最新版
v5.258.6644 安卓最新版
v2.704 最新版
v9.61.5590 安卓免費版
v2.996 安卓免費版
v1.712 安卓版
v6.749.338.36315 安卓免費版
v8.43.4850 IOS版
v3.530.8846.320307 最新版
v6.620 PC版
成人游览器
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
国产下页
天天日天天操天天干
蜜桃AV3D同人动漫站16.c
潮喷在线观看
欧洲欧美A片在线视频
边吮奶边做爰视频真人
人人摸人人人操
肥猫点中国。
日韩在线综合专区视频观看
精品视频在线一区二区三区观看
纳西达乳液狂飙
欧美精品在线黄
日韩,欧美,国产黄色视频
一级二级三级黄色毛片
黄片视频100部
国产精品视频99爱
黄色啪啪片
国语对话欧美在线视频
高清无码黄
mantahaya1777kino的功能
小月美化包V55
久久免费看少妇高潮A级特黄
内谢中国媳妇的典故
久久毛片免费看一区二区三区小说
大粗鳮巴r人妻BD
黄色网站视频在线观看视频在线
18禁止播放
无机杀手拨罗卜
海贼王娜美里番被 到高潮痉挛