目今位置:首页 → 电脑软件 → 2023年中国出生人口902万人 → 97cao v6.297 安卓免費版
v4.678.5962.702179 IOS版
v7.77.9828 最新版
v6.118.2028 安卓免費版
v9.242 安卓最新版
v9.658.9797.489386 安卓漢化版
v5.983.428 安卓版
v6.502 安卓最新版
v6.638 安卓最新版
v5.45.1541.745737 安卓漢化版
v6.175 安卓版
v5.712.8010.23731 IOS版
v3.110.6113.739485 IOS版
v5.594.9675.478558 安卓最新版
v8.398.1455 PC版
v9.241.1901.890529 安卓漢化版
v4.853.340 安卓版
v2.125 最新版
v4.567 最新版
v3.446.135.737075 安卓免費版
v4.602.2761.599546 IOS版
v3.800.9409 安卓漢化版
v1.812.6120 IOS版
v9.670.2198 安卓版
v6.271.6842.779078 安卓版
v4.531.2349.766063 安卓免費版
v8.278.3974 最新版
v1.934.1935 安卓免費版
v1.421 安卓版
v2.516.4527 安卓版
v2.770 安卓免費版
v5.998 安卓最新版
v8.813.2550.899021 安卓免費版
v5.469 安卓最新版
v9.610.1237.722040 安卓免費版
v4.201.1951.960868 安卓免費版
v8.384.4390.331822 IOS版
v2.132.9890.97145 安卓漢化版
v1.366.5717.762238 安卓版
v8.121.1503.695383 安卓版
v3.15.5377.904799 安卓最新版
v7.723.8824.108291 PC版
v5.689 安卓最新版
v5.669.1835 最新版
v9.153.9199.656029 安卓版
v4.449.2019 PC版
v6.102.8189.947874 安卓版
v8.995.4635 PC版
v3.857.8222.857458 安卓免費版
v2.515.2106.793756 最新版
v3.257.5007.11774 PC版
v7.869.929 IOS版
v1.218.5319 IOS版
v6.529 安卓最新版
v5.329 安卓漢化版
v6.487.246.545499 PC版
v7.178.6795 IOS版
v2.674 IOS版
v4.847.2429.615728 安卓版
v9.186 安卓免費版
v3.274 PC版
v7.685 安卓最新版
v6.47.1204.657905 安卓漢化版
v8.427.6068.64458 IOS版
v8.550.435.999195 IOS版
v6.14.8192.107055 安卓免費版
v8.563.7286 PC版
v6.754.6882.145326 安卓版
v2.528.2725.855150 IOS版
v5.531 IOS版
v5.434.2035.305038 安卓最新版
v1.318.6976.766171 安卓漢化版
v9.132.6975.561772 安卓漢化版
v8.729.5980 PC版
v4.912.5714 安卓漢化版
v8.261.4646.382151 安卓免費版
v6.392.7269.227642 IOS版
v1.692.1299.178385 PC版
v2.266 安卓最新版
v2.867 安卓版
v8.280.489.30507 IOS版
97cao
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
人人操夜夜操
国产免费污禁15禁网站
美女被男生桶
欧美噜噜黄色大片网站
日韩一级欧美一级作爱
亚洲黄片国产精品
久久精品一级毛片
欧美淫荡性交免费
嫩草视频一区二区三区在线观看
欧美一级黄色录像视频
黄色网站激情视频
人人操人人g
一级av中文字幕αV一级
一级A片免费费录像
www.lanmei.cc
www乱轮
在线网站福利免费看
日本e代黄色网
熊猫电影yy8y在线观看免费播放
黄永久网址
免费强奸网
男人网站无码