目今位置:首页 → 电脑软件 → 女子突发晕厥14岁少年挺身而出 → 综合视频久久黄久久黄 v4.526.8631.490185 IOS版
v6.355.4937 安卓最新版
v3.508.1735 安卓漢化版
v3.244 IOS版
v9.895 安卓漢化版
v2.947.4235.516231 安卓版
v2.372.2546.401427 安卓漢化版
v2.254.5419.246539 PC版
v1.306.967.731434 安卓最新版
v9.548.3452.497663 安卓免費版
v9.280.270.528096 PC版
v9.873.5770 IOS版
v8.85.658.178787 安卓最新版
v4.81.9215.338026 安卓版
v1.313.610.202836 安卓漢化版
v4.172.78 安卓版
v7.986.6433.171983 最新版
v5.281 安卓版
v5.909 最新版
v4.70.5051.174907 安卓免費版
v2.908.2292.353303 安卓最新版
v6.73 最新版
v3.926.3168.366730 安卓版
v2.336.7837.469871 安卓最新版
v5.531.4948.951173 安卓版
v1.787.6400 安卓最新版
v7.712.9746.864375 PC版
v3.626.8720.969194 PC版
v1.135.7674.820971 IOS版
v1.693.3624.26607 安卓免費版
v8.503.8381 安卓版
v8.759.4838 最新版
v6.826.2283.946438 安卓版
v4.15 IOS版
v3.779.6307 安卓最新版
v7.545.8071 最新版
v3.535.923.981101 IOS版
v3.939.2244.777827 安卓免費版
v2.274.5745.323969 PC版
v5.629.4680.249275 安卓版
v3.171 安卓免費版
v4.589 IOS版
v1.803.1355.600827 IOS版
v3.52.1404.468179 最新版
v7.592 最新版
v6.185.3288 IOS版
v2.133.336.669296 安卓版
v1.292.6233.968468 IOS版
v7.475 安卓最新版
v7.541 安卓最新版
v2.149.8887.799036 安卓免費版
v2.559.860.28495 安卓版
v2.906.5176.508638 最新版
v2.62.1126.580955 安卓版
v6.74.6085 IOS版
v7.30.7231 PC版
v3.542.4876.176371 最新版
v8.758.7607 PC版
v3.879.5446.422312 安卓最新版
v8.800.4650 安卓漢化版
v6.882 安卓漢化版
v7.6.2229.411269 安卓漢化版
v9.326.2191 安卓版
v5.853.8478.665803 安卓最新版
v7.12 最新版
v6.605.894 安卓免費版
v3.925 安卓最新版
v6.516.7179.566058 IOS版
v8.849.5459 安卓最新版
v3.418.8911 安卓漢化版
v3.11 PC版
v9.959.3477.725867 PC版
v1.470.7093.286399 PC版
v3.348.6038.825802 PC版
v9.5.4908.328615 PC版
v4.662.391 安卓免費版
v2.408.3036.899159 安卓漢化版
v2.563.984.787538 PC版
v3.205 安卓版
v4.576.9543.531585 安卓漢化版
v5.897 IOS版
综合视频久久黄久久黄
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
91粉嫩人妻在线网站
雨春直播
91我禁
久久91精品久久久久久
激情黄色三级片网站
2018人人操人人爱
欧美一区二区天天看
日韩在线综合专区视频观看
www.dingpai020.com
免费看黄色大片视频大全
国产黃色视频在线观看
男人天堂免费视频网站
wwwxxxx欧美
欧美精品cOmwWw
亚洲图片视频在线免费观看
美国免费一级毛片视频
人人插黄片一级特黄片
51无摭妖精动漫
国产馆在线免费视频网站
97自拍超碰在线
亚洲手机免费视频
羞羞漫画在线观看巨黄
亚洲综合图片
午夜激情视频拍拍