v2.676.257 安卓最新版
v5.246.5076.246494 安卓免費版
v4.226.7316 安卓最新版
v8.354 最新版
v9.169.7088.475168 最新版
v1.874 最新版
v2.301.5046.780411 IOS版
v7.29.7710 最新版
v4.256.4505.50062 安卓免費版
v4.620.4506 安卓免費版
v9.920.3075.902471 PC版
v2.387.6127.871008 安卓版
v9.898.6708.728813 PC版
v4.969.4407.291458 安卓免費版
v5.591.6065 安卓漢化版
v9.456.9736.672078 IOS版
v1.881.5397.708469 安卓版
v3.761 安卓漢化版
v6.565 安卓漢化版
v4.770 安卓漢化版
v3.440.3223 安卓最新版
v4.673.4488.8426 安卓版
v9.277.5389.598830 安卓最新版
v6.519.8665.876732 安卓版
v5.189.1539.796122 PC版
v7.205.2484.974519 PC版
v8.45.2942.709666 IOS版
v9.881.7334.241360 安卓免費版
v4.433.4241.654201 安卓免費版
v2.592.776.991467 安卓最新版
v5.4 安卓最新版
v4.584.6692.398008 安卓免費版
v2.815.306.996302 安卓最新版
v8.648 最新版
v6.99.5176 IOS版
v9.617.4056.581338 最新版
v4.623.7174.338052 PC版
v8.149.3567.447867 安卓免費版
v8.6.1889.792539 安卓最新版
v3.767.9077.751939 安卓漢化版
v1.16.1982.681208 PC版
v8.131 IOS版
v2.56.1912 安卓免費版
v6.936.7532 安卓漢化版
v7.500.6577.875090 安卓版
v6.343.7968.153474 安卓免費版
v4.485.4015.124333 IOS版
v9.654 安卓版
v9.263.5825 安卓漢化版
v7.516.8078.659470 安卓漢化版
v8.18.7682.666518 安卓漢化版
v8.226 最新版
v4.240.1151.394039 安卓免費版
v3.187.1304.919014 安卓版
v1.339.5626.949578 最新版
v1.546 安卓版
v4.92.2935.422584 最新版
v7.527.4422 PC版
v2.905 IOS版
v2.148.8418.496809 最新版
v6.170.919 安卓版
v9.334.1554.997433 PC版
v4.22 安卓最新版
v7.795.4628.171250 安卓版
v2.56.2230 安卓最新版
v7.329 IOS版
v2.180.7690 安卓免費版
v4.320.4507.870742 安卓免費版
v6.908.5532 PC版
v8.326 安卓版
v7.595.1198.994225 安卓免費版
v1.650.43.625739 安卓版
v5.57 安卓免費版
v2.173.9166 安卓免費版
v9.437.9178.927989 安卓版
v4.692.5199 安卓最新版
v2.159 PC版
v8.50.5405.422538 IOS版
v4.832 安卓版
v3.740.2333.969193 PC版
男人的天堂免费A级毛片无码
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
无码A级一区二区三区毛片视频
igao精品
4455永久在找播放
国产特黄A级在线视www.ass
国产精品浮力影院
furry18黄漫画网站
mmsz50猫咪破解版视频在线观看
尹人在线4
歪歪谩画
午夜三级国产精品
国产精品资源在线免费
metcn专柳青青的专辑欣赏
二肏妈视频
黄片al区一区二
亚洲无码肏逼视频
国产黄A片免费网站
3d模拟女人游戏无码在线观看
中日韩男女啪啪啪视频
欧美日韩大陆
四川妇女野外打野战A片
黄色大片爽爽
超级碰在线