v5.351.1180.180231 安卓漢化版
v5.553.4129.720915 安卓版
v5.142.5653.294457 安卓免費版
v8.136.8463 IOS版
v7.399.3145.821358 最新版
v9.862.7173.4341 安卓免費版
v1.356.2770.828438 安卓最新版
v1.576 最新版
v9.764.7155 安卓免費版
v6.399.2649.601131 最新版
v2.781.4514 安卓免費版
v8.42.2530.380623 最新版
v5.166 安卓最新版
v1.447.7425.97939 安卓最新版
v9.283 安卓最新版
v4.923 安卓漢化版
v5.832.3653 PC版
v1.387.2362.993266 安卓最新版
v7.292 PC版
v9.895.442 PC版
v8.523.4223.327681 安卓免費版
v6.372.2265.617567 安卓免費版
v5.885.7098.701984 PC版
v5.697.8387.144610 最新版
v3.531 安卓版
v1.300.2187.788590 安卓版
v8.544.5882 安卓版
v8.399.1131.64921 IOS版
v4.708.2523.665912 安卓版
v5.347 PC版
v4.586.6100.270456 安卓最新版
v4.132.2962.279102 安卓版
v7.922.493.416780 最新版
v2.973.3071 安卓免費版
v4.281.1255 IOS版
v9.20 安卓免費版
v3.240.1977.588980 安卓免費版
v1.619.8050.513351 安卓版
v4.805 安卓免費版
v5.223.1654.352321 安卓免費版
v3.225.5226.260930 安卓漢化版
v1.798.1414.751890 最新版
v3.145.4414.77736 安卓漢化版
v2.52.8098 IOS版
v1.88.5345.565841 最新版
v3.927.3844.796205 最新版
v3.227.869.372587 安卓免費版
v5.395.4424.407405 安卓漢化版
v5.57 PC版
v1.167 安卓版
v6.727.7603.873515 安卓漢化版
v8.789.7115.624059 安卓免費版
v6.516 安卓免費版
v7.355 PC版
v1.309.4425.935585 安卓漢化版
v8.374.481.504720 IOS版
v6.507.4993.737002 安卓免費版
v2.471.3306.860514 安卓最新版
v4.81.61.454633 安卓漢化版
v7.128 PC版
v8.263.3813.63637 PC版
v5.48.5417.548228 安卓免費版
v4.533 IOS版
v3.774.3044.763191 安卓免費版
v5.148 最新版
v4.261.9601 安卓漢化版
v4.839.5231.110393 安卓最新版
v6.43.5418.597762 安卓最新版
v4.79.7214.651457 安卓免費版
v2.348 PC版
v8.851.1908.7651 安卓最新版
v4.883 安卓免費版
v2.301 安卓免費版
v3.596.8092 安卓版
v3.233 安卓版
v5.723 IOS版
v9.897.248.839036 PC版
v8.805.6453.243148 安卓最新版
v4.882.9230 最新版
v1.15.5050.959385 PC版
免费高清国产www888亚洲一级
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
亚洲最大的黄色免费网站
加勒比黑人一区二区
黄色网站免费看视频
操女生的视频
午夜精品爆乳美女18禁网站
中国古代淫女肥胖BBW
打扑克不打马赛克
视频一区 视频二区 欧美
黄色网盘
精品国产福利观看在线福祉
精品AV秘 一区二区三区
18禁止观看网站
又色又爽又黄水蜜桃视频
快播少女欢乐
国产一级AV无码免费久A片
JXX网页打开
www.szxlhealth.com
18禁床震
影音资源站
亚洲操逼毛茸茸图
美女隐私视频免费的视频
九九线精品在线
国产又黄又爽又色视频在线观看
黄在
a片性爱亚洲
欧美黄色网站图片
免费无码,又爽又刺激的网站
一级A片AV在线
乱伦综合
超碰人