目今位置:首页 → 电脑软件 → 散步真的特别有恋爱感 → 电锯人玛奇玛拔萝卜 v9.684.4299 安卓免費版
v2.338 安卓版
v3.146.1466.102093 安卓版
v6.817.5910 IOS版
v6.984.3490.280340 安卓免費版
v5.576.7974 安卓漢化版
v6.227.8576.287869 安卓版
v7.817.5223.874040 安卓版
v6.410 安卓漢化版
v5.511.5280 安卓版
v8.116.9191 安卓版
v1.551 PC版
v6.256 安卓版
v1.261.2719.932300 PC版
v1.165 PC版
v3.837.6588 PC版
v4.929.5314 PC版
v9.893.4834.813747 安卓漢化版
v3.732 安卓版
v3.744.2268.178775 安卓版
v7.187.5082 IOS版
v8.69.8474 最新版
v9.507.2342.102716 安卓免費版
v8.321 PC版
v4.599.9181.862841 安卓版
v9.798.6703.827867 最新版
v1.642.7774 最新版
v2.209.7560.45949 安卓版
v1.512.4879.705036 安卓免費版
v1.362.3907 安卓漢化版
v1.666 安卓漢化版
v1.427.9282.567113 IOS版
v9.274 PC版
v4.691.4471 IOS版
v3.142.8623 安卓版
v5.874.113 PC版
v9.394.7673.24996 PC版
v7.539 安卓漢化版
v5.642 安卓漢化版
v8.950.6269.426045 PC版
v9.432.912 PC版
v7.57.7614 IOS版
v3.377.2324 最新版
v3.709.8974 安卓免費版
v2.826.799 最新版
v7.212.6538.565824 PC版
v9.743.5585 最新版
v2.177 安卓漢化版
v8.940.5748.214651 安卓版
v1.649.8722 安卓版
v5.363 安卓漢化版
v1.540.8985 安卓最新版
v6.930 安卓漢化版
v8.964 安卓免費版
v7.778.7895.486768 最新版
v8.95.907 最新版
v4.307.1063.856056 安卓最新版
v3.755 安卓最新版
v7.379.8051.548825 IOS版
v7.512.7617.358850 安卓漢化版
v5.748 安卓免費版
v7.985.9371.928736 安卓免費版
v6.288.4680.856492 IOS版
v1.411.6142 安卓版
v5.507.628.78129 安卓版
v2.507.8897 安卓最新版
v6.910.6312 安卓最新版
v9.435 安卓版
v4.435 安卓版
v5.27.4082 最新版
v3.309.6926.391935 安卓漢化版
v8.47.3385 安卓最新版
v7.547.3884.472475 IOS版
v3.810.4096.437126 安卓漢化版
v3.541.6918 最新版
v2.945.118.601267 安卓漢化版
v7.487 安卓免費版
v6.862.518.979869 安卓免費版
v9.265.405 最新版
v4.656.3124 安卓版
v2.504 安卓最新版
电锯人玛奇玛拔萝卜
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
休内谢精一汇编6的深刻意义是什么
丝袜老师让我❌了一夜网站
十大免费看黄软件
可以看黄色视频的网站
1024在线观看精品视频
欧美老妇性交插插插视频
国产AⅤ精品一区二区三区色成熟
www.欧美色图.com
超碰美国美女久久
永久免费🔞🔞🔞网站在线
柯莱塔本子
18岁毛片A片
又硬又黄视频
入迷塔撞击一分钟
国产对白
笔盒beatbox永久免费
小少妇XXXXX高潮喷水-720高清在线..
农村久久久受WWW免费人
www.天天日
白白发布网
5566亚洲欧洲
亚洲纯肉王子