v8.721.2496.736668 最新版
v2.521.3762 安卓版
v3.270 安卓最新版
v8.905.9844.658891 IOS版
v1.232.8534.311069 IOS版
v1.220.7002.283180 安卓漢化版
v5.445.6269.82352 安卓漢化版
v9.388.5578 安卓免費版
v8.727.4855.466806 IOS版
v3.569.7492.189757 IOS版
v5.271.3218.159339 安卓版
v8.33 安卓最新版
v3.467.5279 IOS版
v8.710.8863 IOS版
v7.214 IOS版
v5.219 安卓版
v9.900 安卓最新版
v2.883.6235.764036 安卓版
v8.782 IOS版
v3.791 最新版
v9.401 安卓漢化版
v6.544 安卓漢化版
v9.956.9733.378505 安卓最新版
v2.999.3543.412585 IOS版
v9.907.8519 PC版
v1.992.4303.324520 最新版
v8.106.6646 安卓版
v9.318.9981.566262 安卓免費版
v5.634.6603.879505 安卓免費版
v9.449.7582.614707 IOS版
v6.940.7093.546012 PC版
v8.890.9787.377332 安卓漢化版
v4.426.6424.896293 安卓漢化版
v6.683 安卓最新版
v3.632.9404 安卓版
v9.373.4676.119832 安卓漢化版
v9.284.6357 安卓最新版
v5.869.6271.31140 安卓免費版
v4.930.5760 安卓版
v6.745 IOS版
v8.442 安卓免費版
v8.734.5988.192342 安卓漢化版
v5.601.8874.498748 安卓漢化版
v1.450.792 安卓漢化版
v4.807.9204 安卓免費版
v2.776.1689.533423 安卓最新版
v7.620.425 IOS版
v2.200.748 IOS版
v4.413 PC版
v5.761.9183 IOS版
v3.369.4642 PC版
v5.292.7856 安卓漢化版
v7.989.1252 安卓最新版
v9.242.7369 安卓最新版
v9.465 安卓最新版
v4.212 安卓最新版
v8.19.8884.676062 安卓版
v2.117.9540.457278 安卓版
v1.952.3885.454376 IOS版
v9.501.6593.492865 最新版
v3.618.3762.759150 最新版
v9.915 安卓漢化版
v2.622 安卓版
v7.928.2387.924281 最新版
v4.926.2522 最新版
v9.980.1362.947405 安卓最新版
v5.182.5043.695531 最新版
v7.361 安卓版
v4.235.8309.966419 安卓漢化版
v5.767.2700.440197 安卓漢化版
v1.388.6998.16881 安卓免費版
v5.132.4893.218893 最新版
v5.640 PC版
v7.254.9519.189578 安卓漢化版
v6.25.6783.23778 安卓漢化版
v7.53.1644.878972 安卓版
v7.370 安卓版
v7.328.1531.587741 安卓版
v4.233.5915.152406 安卓版
v2.616 IOS版
蜜 桃
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
操穴小视频网站
a毛片久久久观看无码
毛片免费91
播放关于动漫美女操鸡
怀孕大肚喷奶h办公室
超碰公开超碰在线
外国一级淫片aaawww
男男Gay互吃鸣巴自慰出精软件
av人人摸
张开腿无遮无挡图片
裸体美女100%露双乳网站
久久久久精品久久久久免费
手机在线免费看黄色片网站
国产精品情侣久久婷婷综合
vicineko史莱姆大战链接入口官方版下载
中国chinagary武警飞机
精品囯产91
av在线卡不卡
色多多禁18视频
免费视频在线播放二无码
pororoHD72馃槏馃槏
久久丝袜精品一区国产综合
小蚪蝌国产在线播放
黄色a级毛片欧洲
色中色福利
欧洲黄片儿免费观看
91网精品久久久
女人洗澡自慰A片
国产qj视频在线观看视频