v6.995.3380.678034 最新版
v9.387.655 IOS版
v5.171.2048.99698 安卓最新版
v6.175 安卓版
v1.969.333.591912 最新版
v2.232.2946.727693 PC版
v9.658 IOS版
v1.45.2098 最新版
v6.482.4929 安卓版
v8.848.6748 安卓免費版
v3.961.551.209589 最新版
v8.36 PC版
v8.612 最新版
v1.311.631.67363 安卓漢化版
v8.214.5929.356053 最新版
v2.858 PC版
v8.446.7977.107008 安卓最新版
v3.723.288.373513 安卓免費版
v1.370.3571.218181 安卓免費版
v2.767.8385.77642 安卓版
v2.380.8827.44735 安卓版
v3.116.8546.176729 最新版
v4.266.8513 安卓免費版
v6.374 安卓漢化版
v7.737.8705.722021 PC版
v9.849.9958 IOS版
v3.246.9664.748252 PC版
v1.264.4902.861466 最新版
v7.531.3420.259480 安卓漢化版
v5.295.8951.16379 IOS版
v3.369.5847.822124 最新版
v4.665.2830.220537 IOS版
v5.810.6507.212620 IOS版
v6.137.4106 IOS版
v4.214.1736 IOS版
v7.730.7942 安卓版
v8.79.9350.646920 IOS版
v9.694 安卓漢化版
v9.141.7809 安卓漢化版
v7.551.8093 安卓漢化版
v2.164.1053.285314 安卓免費版
v9.770.6807.57051 PC版
v4.693.4685.809180 最新版
v7.902 安卓漢化版
v7.377.8158 IOS版
v5.413.9919.859685 安卓最新版
v1.469.1266.177336 IOS版
v5.967.2859.803152 最新版
v3.548.231.579423 安卓免費版
v9.800.106 安卓最新版
v6.568.9061.671012 安卓版
v8.836.8253 最新版
v7.105 安卓最新版
v4.350 安卓最新版
v9.229.1073.515736 最新版
v7.735 IOS版
v4.956.8150.465700 安卓版
v3.875.615 PC版
v5.275.254 安卓最新版
v3.289.1304 最新版
v9.261.3371 最新版
v4.484.4489.15805 安卓漢化版
v4.489 安卓版
v5.968.8965 安卓漢化版
v3.241 安卓漢化版
v6.302.6250 最新版
v7.673.4259.118933 安卓漢化版
v7.101.2038.424455 IOS版
v1.259.7514.471460 安卓免費版
v3.327.7048 安卓漢化版
v9.271.8500 安卓漢化版
v2.233.9014.651513 最新版
v1.738 最新版
v6.163.3651.587637 安卓最新版
v6.930 IOS版
v8.596.545 安卓版
v4.357 安卓免費版
v9.67.7526.471688 IOS版
v4.94.5937.697249 PC版
v2.610.3939.193995 安卓免費版
国产一级黄色A片,色欲
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
超碰97XXXX
亚洲 欧美 日韩 国内 首页
禁漫 动漫游戏免费
美女逼毛视频
日本中字在线
动漫版女人穿原神衣服被男人用大鸡巴爆爆子宫
黄片精品漫费观看
国产激情无码一区二区三区
骚狐视频网站jxs6666
中文字幕资源站
国产原创黄视频
xhs小黄书
A片在观看免费视频网站顶级A片
欧美人成视频
国产特级免费片
午夜人成午夜高潮免费视频
免费超爽视频30分钟无遮挡
极品无码国产在线观看
干屄视频欧美日韩
一级日本精品视频免费观看
A级毛片免费的高清视频
豆瓣酱闹新娘
国产精品2022在线
男人把鸡鸡插美女内裤软件
天天干天天给
公司a片视频
538在线视频免费
wwww.xxxx免黄