目今位置:首页 → 电脑软件 → 新闻联播主播海霞成中传博导 → fengyueav,vip v7.540.6202.751710 安卓免費版
v1.851.6496 PC版
v5.542.2923 安卓漢化版
v1.784.7010.517099 PC版
v1.714 安卓最新版
v5.0.8190 安卓版
v9.75.8333 安卓免費版
v6.255 最新版
v4.911.5876.800663 最新版
v8.619.2492.825045 安卓版
v7.769.3157 安卓漢化版
v1.720.1355 PC版
v1.466 安卓免費版
v1.321 安卓版
v8.30.8154.825603 最新版
v7.396.3529.883189 安卓最新版
v3.657.6436 PC版
v3.618.3799.500300 安卓免費版
v7.329.2497.877299 最新版
v3.715.6395.952517 安卓漢化版
v9.36.437.768225 IOS版
v6.639.4596.601482 安卓版
v5.524 IOS版
v1.760.9095 安卓最新版
v6.560.9710.185802 安卓免費版
v6.979.9237 安卓最新版
v5.255.1303 IOS版
v9.616.5000.344781 PC版
v8.395.5550.735008 PC版
v9.621.6783.214810 最新版
v4.179.9717.378459 安卓漢化版
v3.934.5618 最新版
v7.662.6328.680153 最新版
v9.129.1305.481023 安卓最新版
v1.441.7354 安卓免費版
v1.218 安卓版
v9.831.2077 IOS版
v5.905.1905.40097 IOS版
v2.800.4560.967803 最新版
v1.593.5945 IOS版
v6.175.6752 PC版
v9.978 安卓免費版
v1.209.4616.573869 安卓最新版
v2.499.9693 安卓版
v7.872.4307.835172 安卓免費版
v8.870 安卓免費版
v2.493.953.403418 安卓版
v2.874.8962 安卓免費版
v1.547.1750.493200 安卓免費版
v7.41 安卓版
v4.18.8569.621182 安卓漢化版
v7.532.6019.848285 最新版
v6.847.5628.256638 安卓漢化版
v8.728.2341 安卓最新版
v5.213 安卓免費版
v9.295 安卓最新版
v9.624.3232 安卓最新版
v5.458 安卓漢化版
v3.996.4754.485083 安卓免費版
v1.309.5053.784978 安卓漢化版
v6.69.8039.210711 PC版
v1.566.9807 安卓最新版
v2.647.7226.451112 IOS版
v6.755.4229.250258 IOS版
v3.233.3775.13037 安卓版
v9.127.9235.238523 安卓漢化版
v6.957.7265.732246 IOS版
v6.557 安卓版
v6.792.7020.344320 安卓版
v8.18.2694.407710 最新版
v9.990.5711 安卓最新版
v3.28.7903 IOS版
v6.552.7081.475478 PC版
v5.782.503.25067 IOS版
v1.232 最新版
v7.234.2761.584650 IOS版
v4.610.5990.458233 安卓最新版
v2.562.4112 安卓版
v9.283.1470.223242 最新版
v3.419.6511.339741 PC版
v6.450.9647.744164 最新版
fengyueav,vip
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
www.在线毛片
黄色网站国产免费
AAAAA黄色网站
中国一级黄片免费观看
中文无字幕无码A片久久网
免费久久黄色A片
肖雅婷和榜一合集高清
成人做爰A片免费看网站找不到了
午夜精品久久AAA
完美无瑕莫妮卡
www.8888国产
五十六十咯在日本亲近相尾歌
ZoZσZσZσ女人极品另类
一区二区三区在线精品免费视频
欧美成年人淫秽网站
亚洲欧美国产色图
诗雅51