目今位置:首页 → 电脑软件 → 95后小伙炒股一个月赚112万 → 外国产黄色网 v7.965.3131.897062 PC版
v7.892.4664.680248 PC版
v3.190 安卓版
v4.322.1503 安卓漢化版
v2.763.8182 安卓漢化版
v5.554.4622.153912 安卓最新版
v2.413.3838 最新版
v3.678.811 最新版
v8.458.9536 安卓漢化版
v9.167.6967.728338 安卓最新版
v3.557.8488.788342 IOS版
v9.908.8348.123365 最新版
v3.199.2014.267269 安卓漢化版
v4.177.6153.917280 安卓漢化版
v5.552.2490.622621 安卓版
v1.667.1842 安卓免費版
v6.150.7262.638307 最新版
v8.703.4504.462562 IOS版
v2.504.6388.380951 安卓最新版
v7.543.1976.772018 PC版
v6.854 安卓最新版
v9.730.1228.495109 IOS版
v1.228.794 最新版
v7.133 IOS版
v5.468 安卓最新版
v3.649.4906 安卓最新版
v8.873 IOS版
v9.710.7484.780544 PC版
v1.405.157.116226 PC版
v6.303.2777.881012 PC版
v2.209.8532.347632 安卓版
v8.432.7285 安卓最新版
v1.772 安卓漢化版
v1.599.9343.439389 安卓漢化版
v4.186 安卓最新版
v4.647.5765.466385 最新版
v7.133.98 IOS版
v7.344.6973 安卓免費版
v4.553.6285.160786 安卓漢化版
v7.299 PC版
v8.755.1939 最新版
v2.747.9850 安卓最新版
v4.26.1007 安卓漢化版
v6.378.9301.875891 安卓最新版
v9.38.9660 安卓版
v2.356 安卓免費版
v9.978.1450 安卓漢化版
v4.829.937 最新版
v6.743.8376 最新版
v9.139.5270 安卓版
v4.457 安卓漢化版
v9.619 安卓最新版
v8.867 安卓版
v1.306.9797.260140 安卓版
v1.213.5303 IOS版
v1.85.753.14095 安卓版
v2.594 安卓免費版
v2.674 安卓最新版
v7.688.1044.384076 IOS版
v2.838.9783 PC版
v8.847.6227 安卓免費版
v5.43 安卓版
v3.628.4178 安卓免費版
v7.441 IOS版
v9.382 IOS版
v8.485.5665.453867 最新版
v7.680.9334.915801 安卓漢化版
v3.140 IOS版
v9.0.5122.857715 IOS版
v7.219.4786.102342 IOS版
v1.729 PC版
v8.398.4146.792483 安卓版
v4.163.4235.556200 IOS版
v8.982.1114 安卓免費版
v3.784 安卓免費版
v2.713.3939 安卓版
v1.870.9591 PC版
v7.649.3445.352857 最新版
v5.176.715.915014 最新版
v5.667.111 安卓漢化版
v6.11 最新版
外国产黄色网
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
97超碰综合
18 无套直蘑菇视频
三级黄色A片免费看
王者荣耀女英在雄脱全身
美女裸体100%网站
米塔H版安装包
人人干人人黄在线视频
性爱欧美老妇
巨鞭自慰出精HD
精品精品视频
欧洲女人牲交视频免费_特黄特色a级毛片视频强奸
玖玖爱视频精品
永久的毛片网站
WWW少妇com
永久黄网站色视频免费AP
3D动漫同人18 动漫网站
插曲的痛软件大全
亚洲同男男gaygays 18岁无套
小 动漫无打码
天天日日干
小黄片软件仓库
大黄片免费
你懂的在线小视频国产在线
婷婷色香六月综合激情
国产视频这里只有精品
超碰国产97
美国性爱一级视频
厨房肉欲(H)赵丽颖
春色校园综合人妻AV妓女网
在线无码午夜福利高潮视频