目今位置:首页 → 电脑软件 → 镇政府回应8岁男童被马拖行身亡 → 人人色av v3.614.9834.785941 安卓最新版
v4.789 安卓免費版
v1.319.1863.838388 安卓最新版
v2.780.1578 安卓免費版
v9.835 安卓版
v5.500.9112.952905 安卓免費版
v2.957.3024.206575 安卓漢化版
v8.732.4887.99857 最新版
v9.996.9234 安卓最新版
v6.660.3589.235816 安卓免費版
v6.482 IOS版
v8.928.1132.870102 IOS版
v8.355.6695.280868 最新版
v3.884.6571 PC版
v4.651.7645.352882 安卓版
v2.542.4192.857155 安卓免費版
v3.380.7024.182156 安卓版
v6.658.8723 安卓最新版
v3.774.230.244074 PC版
v3.340.9344.19069 安卓漢化版
v7.508.5228.703804 IOS版
v9.182.7252 安卓漢化版
v7.280 最新版
v7.164.9962 安卓最新版
v5.794.8097 PC版
v7.350.9494 IOS版
v3.142 IOS版
v2.697.4206 IOS版
v3.164.8698.297762 安卓最新版
v2.773.850.520616 安卓版
v8.67.9301.123010 PC版
v9.430 最新版
v1.925.2872 安卓最新版
v4.982.842.501041 安卓漢化版
v3.772.2957 安卓版
v4.476 PC版
v1.165.3129.174942 安卓免費版
v4.139.3469.868537 IOS版
v9.982 最新版
v8.72.9764.896006 最新版
v9.971.6378 PC版
v4.998 最新版
v2.658.6623 最新版
v3.267.5407.334006 最新版
v1.259.7956.8518 IOS版
v8.341.3912 安卓免費版
v3.484.2183.415355 安卓漢化版
v6.808 IOS版
v3.680 安卓免費版
v7.446 安卓最新版
v9.385 安卓版
v7.882.2791.774086 安卓免費版
v1.494.952.588647 IOS版
v4.913.1788.743961 安卓最新版
v7.997.6648.195404 最新版
v7.540 安卓版
v4.255.4827.903431 最新版
v5.292.8448.712574 IOS版
v4.756.1416.619142 安卓免費版
v9.642.4840.622554 PC版
v4.976 安卓漢化版
v1.431.7157.741557 安卓最新版
v1.990.7271 安卓最新版
v5.140.8040.507740 安卓漢化版
v9.58 安卓漢化版
v2.484.6836.555691 安卓最新版
v3.636.3231.176506 安卓最新版
v8.47.7320.248778 安卓漢化版
v1.548.4901 最新版
v7.648 最新版
v1.932 最新版
v4.688.839.998920 安卓免費版
v5.242.1777.813888 最新版
v7.744.9938 安卓免費版
v2.262.7992.24052 安卓最新版
v4.71.7302 PC版
v9.749.9050 安卓最新版
v6.232 最新版
v8.846 IOS版
v1.696.3942.341673 安卓最新版
v6.368.1222.607063 IOS版
人人色av
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
久久综合综合久久综合
99自拍
中文字幕精品三区尤物av
朱竹清 到爽 高潮
朱竹清被 挤奶羞羞
国产欧日韩,A类一级黄色视频免费观看
在线视频自拍
黄视频国产免费
亚洲熟妇小草影院
八酱和榜一大哥视频叫什么
男人桶女人下面的软件
做爱漫画在线观看免费羞羞漫画
欧美淫荡老熟妇Com
,在线欧美
超级乱婬Av片无码
附近人搜的毛片网站
黄黄网站免费视频
亚洲尤物天堂在线
最近中文免费视频
免费A级毛片无码的看久久
黄色视频欧美性爱
亚洲男同志黄色色情视频网站
欧美亚洲国产另类
色色电影天堂