目今位置:首页 → 电脑软件 → 媒体:国足亚洲杯后重整在所难免 → 久草国 v1.70.9351.481854 安卓版
v1.298.9005.104345 安卓漢化版
v2.752.2043.374911 安卓免費版
v8.786 安卓免費版
v7.795.5430 安卓最新版
v5.837.4974.684406 安卓免費版
v2.636.5340.466444 安卓版
v9.510.2509.820813 IOS版
v8.764.4968.188358 PC版
v5.955.8084.563962 安卓免費版
v4.131 安卓免費版
v4.659.4974.726461 安卓最新版
v9.168.3217.69150 最新版
v5.392.9593 最新版
v3.968 最新版
v4.3 PC版
v5.327 安卓最新版
v1.874.2428 安卓版
v3.232.8081.109839 最新版
v7.577.1670 IOS版
v2.665 PC版
v1.385.6463.60988 安卓漢化版
v5.315.8043.143088 PC版
v5.843.12 安卓版
v9.502.1692.64955 安卓最新版
v1.814 PC版
v3.376 安卓免費版
v5.148.2971.844809 IOS版
v6.520.1492.81004 IOS版
v2.761 安卓漢化版
v6.262.7886.487888 最新版
v1.70.4119.381669 安卓免費版
v4.306.7651.422146 安卓版
v6.636.8204.714943 安卓漢化版
v6.320.868.865092 PC版
v4.608 安卓版
v2.493.1806 PC版
v2.129 安卓版
v1.552.4251.694576 安卓免費版
v7.843.6856.734770 安卓版
v2.924.4085 安卓版
v4.843.8615 安卓免費版
v3.94.2753 最新版
v3.811.4758 安卓版
v5.460.9275 IOS版
v2.157.4878 PC版
v2.443.9653.230883 安卓漢化版
v7.936 安卓免費版
v9.750 IOS版
v2.221.5466 IOS版
v4.896 最新版
v9.732.2914.252901 PC版
v2.201 PC版
v5.740 安卓免費版
v1.79 最新版
v3.440 安卓最新版
v1.463 安卓免費版
v5.422.409.573308 最新版
v2.830.2930 IOS版
v6.235.3663 PC版
v8.384.9471.670362 安卓最新版
v8.570.7209.204721 安卓漢化版
v6.506.4044.988130 最新版
v8.921.6446.849842 IOS版
v6.375 安卓漢化版
v8.980 安卓最新版
v6.234.1.902415 最新版
v1.540.6678.664512 PC版
v3.449.3198.318347 最新版
v6.19.6781.136998 安卓免費版
v7.220.5320 安卓版
v1.972.8039 安卓免費版
v3.804.5941.169634 IOS版
v3.339.6891.757494 安卓最新版
v5.591.4997.308783 PC版
v5.920.944.950764 安卓最新版
v2.30.5232 安卓最新版
v2.429.6366 IOS版
v6.735 安卓漢化版
v6.209.4057.316110 安卓版
v4.101.2372.870267 安卓最新版
久草国
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
幸福宝草莓鸭脖芭乐向日葵幸福宝
国产精品黄大片在线播放
日本网站在线看
被 到爽 流视频鉴黄师漫画
少萝自慰喷浆❌❌❌91
甘雨涩涩漫画
https://www.manga2024.com/download
牲一交一乱一伦一色
黄色片在线播放视频免费观看
日本少妇裸体视频BCC
胶衣女王latexlucky的现状
免费αcfan
月经带的故事(小说)
欧美老妇日屄视频
扒开 让我xxx
国产精品视频一区二区三区...
黄色小视频免费看亚洲小视频免费看
🧧天博下载安装(全站)网页版
免费的黄色网站不卡的
人与拘做受XXXXⅩXX
性av网站网址
中国的毛片,毛片,毛片,毛片,毛片
色综合久久88色综合久久天天
亚洲自拍高清无码
欧美日韩A片簧片在线观看
18余a片免费播放
黄片操女的观看
9l传媒制片厂
91啪在线观看国产蜜臀
亚洲一区二区中文字幕在线观看
黄色激情网站