目今位置:首页 → 电脑软件 → 美国一男网红在韩国亵渎慰安妇雕像 → 色色五月天婷婷 v2.278.6419.799837 PC版
v9.363.2507.968221 IOS版
v1.68.6110 安卓版
v6.631.2450.280678 安卓漢化版
v8.9.5694 安卓免費版
v8.339.5699.160095 安卓漢化版
v6.573.3394.934917 安卓免費版
v8.951.8257 安卓版
v6.770 安卓最新版
v7.547.1820 安卓最新版
v8.258.4234 安卓漢化版
v6.852 安卓版
v6.823.5971.311448 安卓免費版
v5.943.5827.385412 PC版
v8.272.5959.901289 IOS版
v7.270.1910.873613 最新版
v5.594 安卓最新版
v3.219.6614 最新版
v2.527.6708 安卓免費版
v9.69.4593.458125 安卓版
v5.968.1225.388200 安卓最新版
v5.712 安卓漢化版
v2.569.6471 PC版
v2.55.1259.172332 安卓版
v9.386.3719 最新版
v1.521 安卓漢化版
v9.451.919 安卓漢化版
v3.844.9915 安卓最新版
v8.326.1844.623809 PC版
v2.908.8675.522515 最新版
v5.339.1535.75109 最新版
v9.36.7652.731707 安卓漢化版
v8.986.1739 最新版
v5.76.7971.802542 最新版
v2.395.9617.323247 IOS版
v6.735.7486.710123 最新版
v1.941.311.892973 安卓免費版
v4.770.9037.570666 IOS版
v2.8.1709.207899 IOS版
v4.5.8043.254448 PC版
v8.666.9359.69666 安卓免費版
v4.449.9303.502476 最新版
v6.384 最新版
v5.531 PC版
v2.781.8947 安卓版
v3.912 安卓免費版
v1.998 安卓免費版
v9.944.7767.876896 最新版
v6.579.9117 安卓版
v1.193.23.900294 安卓免費版
v8.203.7753.156121 PC版
v2.478.5848.454323 PC版
v8.794.1278 安卓版
v4.259.6942.348034 安卓最新版
v5.537.8683 安卓版
v6.715.1945.354574 安卓版
v1.512 最新版
v5.762.7231.655035 安卓版
v4.656.8859 安卓漢化版
v6.430.2781.680768 安卓免費版
v4.867.6778.142327 PC版
v7.1.3849.43586 安卓最新版
v4.403.2521.347828 IOS版
v7.441.4189 安卓最新版
v2.956.5873 最新版
v1.570.4527 最新版
v7.601 安卓漢化版
v5.205.2870.319317 安卓版
v9.219.7649 安卓最新版
v3.427.7978 安卓最新版
v6.271 PC版
v4.658.5730.219701 最新版
v1.278.9515.831712 安卓漢化版
v7.536.3542.856381 安卓最新版
v7.707.5283.527380 安卓版
v4.665.4081.936658 安卓版
v2.923 IOS版
v9.742.3120.659845 最新版
v7.488.7644.486423 PC版
v7.992.8739.714201 PC版
v4.942.1980 安卓免費版
色色五月天婷婷
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级黄色一级
福瑞腹肌大坤牛奶
人人人人人人操人人人人人人操人人人人人人
乳钉小说
18岁以下不得观看的网站
在线看片免费人成视久网试看
少女初次做
日韩a高清视频在线观看www色
馃敒
黃色A片无码免费看
国产精品午夜福利在线观看
亚洲男男GaYGaY无套
哪有亚洲黄色网站
在线视频福利精品
欧美特色黄色视频
性生交视频免费
大雷打大狙入口官网
久久性爱一级电影
国语对白一级毛片
大片a免费观看在线视频
女儿鼓蓬蓬的牦户爸爸
百度黄色网站香港久久美女三级视频
绿帽杜区网页版直接进入
♥️55世纪app(官方)网站/网页版登录入口/手机APP
啊~这么大会撑坏的
欧美一级A片久久久久
在线免费观看高清无码黄色视频
欧洲老妇女
福利视频八区