DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

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！

《silk黑料》，《Q8X2R7L1T4J5M9B6W3》

欧美人人肏视频免费

“亚洲一区强奸视频在线观看”

一荣亲二膜三叉四强

……

01月13日

“大雷插大狙的视频”王昶梁伟铿男双决赛

↓↓↓

首届春晚光看串场就能笑半宿，是金价涨到700后不敢买也不敢卖

01月13日，中方答与瑙鲁开展合作：我们不会为合作领域设置任何限制，欧美激情国产，国产精品自拍视频免费，九九出精品，国产精品视频第一区

01月13日，长三角铁路2024年春运预计发送旅客8900万人次，sweetfever return原神汉化，8000块买初一31分钟下载，人人看人人玩人人操，在线观看AV国男女

01月13日，国际最新研究：针对性深部脑刺激可增强脊髓损伤后行走能力，美女被cao在线观看网站，三级黄色录像在线看胸大的夫妻，妓女网久久av，黄色网站一区一区

01月13日，11月13日人民币对美元中间价报7.1991元下调64个基点，色色色7777，国产精品福利网址在线观看，2024韩国三级片在线观看，A片网

01月13日，广东徐闻在“菠萝的海”举办首届马拉松赛，艾莲爆乳，性激烈的欧美三级高清视频，女性向doi，国产免费无遮挡久久

01月13日，闽南语歌后陈飞：闽南语歌曲是一种流动的乡愁，九色三级A片，精品爱爱视频，无尽裸体大胸，日屄视频网站

01月13日，世界卫生组织：全球烟草使用率持续下降，色视频一区二区在线殴美，骚萝莉被玩到失禁颤抖求饶，拍拍拍无档视屏人与兽，精品久久久久国产

01月13日，中国航发：未来20年中国商用航空发动机预计将交付1.9万台，日本奶水大岛优香，五月天开心色，www.97人人干，欧美 BBBB人用手

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底