目今位置:首页 → 电脑软件 → 刘德华《焚城》票房预测 → 欧美在线视频免费交爱视频 v6.733.8581.355306 安卓漢化版
v2.96.850 IOS版
v9.127.1378.890365 安卓版
v5.581.5334 最新版
v5.3 IOS版
v2.116.539 最新版
v8.680.1322.908778 PC版
v7.984.4938 安卓最新版
v4.276.5456 PC版
v8.608.5062.688396 安卓版
v9.53.3112 最新版
v9.830.4803 PC版
v3.223.4360.448454 PC版
v5.265 最新版
v1.213.7567 PC版
v7.407.3831.391666 安卓最新版
v7.404 PC版
v3.910.1872.499985 IOS版
v8.563.1415 安卓漢化版
v8.63 IOS版
v6.156 最新版
v4.664.9835.832357 安卓版
v2.169 安卓版
v2.647.63 安卓最新版
v5.263 IOS版
v9.581.6475.431432 安卓免費版
v4.517.8337.114216 安卓最新版
v2.485.9745.611445 最新版
v1.654.3746.907709 IOS版
v5.926.2295 最新版
v2.892.3270.252221 安卓漢化版
v6.782 安卓免費版
v2.585.1885.36380 安卓最新版
v5.199.7105 安卓漢化版
v4.91.6771 安卓免費版
v5.178 安卓免費版
v3.431.113.194675 安卓免費版
v3.803.2233 安卓版
v8.101.6979.458310 安卓免費版
v1.439.4297.779402 安卓漢化版
v7.758.7158.348193 安卓免費版
v4.712.8913.408178 安卓免費版
v1.130.8667.676353 安卓版
v4.200.4991.974668 安卓免費版
v6.365.2620.139928 IOS版
v7.956.5135 PC版
v4.859.6716.280507 IOS版
v9.621.2370.132222 PC版
v1.405.3933.44722 安卓漢化版
v2.552.3480 安卓最新版
v3.842.5865.578574 最新版
v8.900.5192 最新版
v9.401.8747 IOS版
v4.627.450.485935 PC版
v9.626 安卓漢化版
v4.173.145 安卓版
v5.481 安卓最新版
v3.171 IOS版
v8.598.3806.463910 安卓漢化版
v4.535.7508.43367 安卓漢化版
v2.137.1664.748614 安卓最新版
v8.390.9176.764672 最新版
v4.497 安卓免費版
v4.180.2831.51433 PC版
v1.674.1982.554700 安卓漢化版
v3.961.9580 安卓最新版
v5.555.328 IOS版
v1.809.4460.231762 安卓漢化版
v3.705 安卓版
v2.37 安卓版
v3.4.1401 安卓最新版
v1.235.1662.987490 IOS版
v6.117 安卓版
v7.109 安卓版
v1.534.7499 安卓免費版
v5.153.5473 IOS版
v3.613 安卓版
v6.428.5190.685162 安卓漢化版
v4.29 安卓最新版
v5.772 PC版
v4.552 安卓版
欧美在线视频免费交爱视频
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
久久久久精品毛片
美女精品国产三级A∨在线
黄片三级视频在线观看
国产原创视频
黄色网站长免费看看
免费污死操女人网站
97av视频导航
18禁漫画网站免费
大鸡巴搞逼
中国x站+色版色哟哟
巨乳网红九儿自拍视频
欧美一级强奸片
迪丽热巴的8888XXXXX
开心五月丁香花久久爱深深爱原因
美女黄色视频污污版网站
日本黄页在线播放日本网站