v6.344.9541 PC版
v7.312.3414.139692 安卓最新版
v1.183.5301.440051 PC版
v2.486 安卓漢化版
v6.89.6838 安卓版
v8.153 安卓版
v7.705.4054.283378 安卓漢化版
v9.109.7138.761543 PC版
v7.9 安卓漢化版
v6.635.7658.240506 IOS版
v8.11.4115 安卓版
v8.44.5190 安卓免費版
v2.893.1265.238512 IOS版
v1.98.8182 PC版
v5.258.1502 最新版
v3.326 安卓最新版
v7.628 安卓最新版
v9.590.2225 安卓免費版
v9.346.8299.321853 安卓版
v8.646.7184.958788 PC版
v8.899.1658.460410 安卓漢化版
v6.204.9330 最新版
v2.785.9729.107321 最新版
v4.887.2670.933552 安卓免費版
v9.505.3357 PC版
v5.854.1164.461311 安卓免費版
v8.718.4051.300615 安卓版
v1.37.2111.550413 IOS版
v5.42.3452.826314 安卓免費版
v2.637 最新版
v4.624.2580 安卓版
v9.739.1278.830880 PC版
v9.821 安卓免費版
v3.199.4772 最新版
v9.823.5374.547370 安卓漢化版
v2.539.9976.607488 PC版
v4.298.2774.580861 安卓免費版
v1.101.2025.399792 安卓漢化版
v9.917.4724.984816 安卓漢化版
v5.353 最新版
v7.588 安卓漢化版
v6.810.4312.813444 PC版
v4.476.4314 PC版
v4.400.404.941663 PC版
v4.569 PC版
v8.351.8082 安卓漢化版
v2.623.844.39029 安卓免費版
v2.775.8735.870159 安卓免費版
v9.589 安卓最新版
v4.429.708 安卓免費版
v2.41.1147 最新版
v5.32.929.690965 安卓漢化版
v2.996.4360.598474 最新版
v8.742.7952.835342 最新版
v6.712.4945.419480 安卓版
v8.353 安卓版
v1.307.3418.314664 PC版
v3.159.1480.989434 PC版
v1.753.7077 最新版
v6.38.7681 安卓最新版
v5.780.435 PC版
v1.429.8893 安卓最新版
v9.981.689 最新版
v4.768.7221.728661 安卓漢化版
v3.277.9215.509820 安卓漢化版
v7.101 PC版
v9.677.6224.529116 安卓版
v5.476 最新版
v1.380.1771 IOS版
v1.769.4725.416487 安卓免費版
v8.437 最新版
v1.305.8702.725058 安卓最新版
v7.829.592 最新版
v7.557.3134.93745 安卓免費版
v5.691.9629 安卓版
v3.621.616 最新版
v8.151.4485.290544 安卓免費版
v6.492.827.782969 最新版
v1.777.2726.311119 PC版
v2.480.3604.430141 IOS版
欧美日本在线观看
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
欧美粗硬
99欧美性爱
久久99久久2
看无码免费A级毛片看
国产精品无码无卡有毛在线播放
fuck四川老女人hd
亚洲激情小说图片视频
2020国产精品久久精品美国
黄色网站在线观看网站
亚洲真实迷奷系列在线观看
欧美性爱视频和小说
xxxnx23سكشى
欧美老妇乱码伦
美女视频黄频a美女大全软件
国产黄色视频在线视频网站
西施被c 黄秘 游戏
性色欲情免费网站
在线亚洲一区
三级强奸黄色视频
a级毛午夜免费日本
男人综合在线
不卡毛片免费高清视频在线观看的
看大屁股黄色片
邪恶帝★全彩邪恶爱
国产拳王周晓
国产性生活视频免费看
91美女㊙️片黄在线观看91美女
国产精品三级一区二区
欧美性爱日皮一区二区三区