v9.53 安卓版
v6.193.4478.109088 IOS版
v9.189.2280.955446 最新版
v4.106.7783.44581 安卓漢化版
v9.419.1016 安卓漢化版
v4.579.2904.580907 最新版
v7.59.6010.655872 安卓免費版
v5.868.8295.176036 安卓漢化版
v8.761.1132 最新版
v3.796.332.535412 安卓版
v5.911 PC版
v3.390 IOS版
v5.66.6936.420120 PC版
v1.348.6576.962519 PC版
v3.215.9011 安卓版
v8.165.8595.637922 安卓漢化版
v9.532.9142 安卓漢化版
v4.617.2230.321778 IOS版
v2.972 安卓版
v9.499.1832 安卓最新版
v5.477.4382.822163 安卓免費版
v6.142.8348.23418 安卓免費版
v4.740.6561.353144 IOS版
v9.5.8857 安卓版
v1.921.2083.911355 最新版
v2.233 安卓最新版
v7.143 安卓最新版
v2.254.2750 最新版
v1.187.4374.242786 安卓漢化版
v9.844.1222.79041 安卓免費版
v4.703.17.326182 安卓漢化版
v9.582.1722.271408 安卓版
v4.497.4883.812988 安卓最新版
v5.621.3241 安卓最新版
v1.865.6886.436931 安卓漢化版
v7.925.5428 安卓最新版
v9.521.6939.957467 安卓版
v2.314.217 安卓漢化版
v2.627 安卓版
v4.845 安卓免費版
v1.346 PC版
v9.143.135.802902 安卓最新版
v8.846.2060.542858 安卓版
v6.493.1994 安卓免費版
v5.233.8248.444824 最新版
v1.333 IOS版
v2.718.2786.719942 安卓漢化版
v2.452 安卓版
v9.649.5235 安卓免費版
v7.946.5047 IOS版
v5.995.7889.712222 安卓免費版
v4.105.1374.83873 IOS版
v7.967.6710 安卓最新版
v7.97.7331.495902 安卓版
v1.615.5339.732472 IOS版
v4.372.8854.970455 PC版
v4.79 最新版
v9.437.5308.957617 PC版
v3.552 安卓免費版
v3.845.3429.170685 安卓最新版
v4.194.309 安卓最新版
v6.236.783 安卓漢化版
v3.235.180.48823 安卓最新版
v7.804.7749.286484 安卓最新版
v1.738.3362 安卓最新版
v5.816.3196.302517 安卓最新版
v5.102.2933 IOS版
v6.598 安卓漢化版
v2.410.1580.542687 PC版
v9.514 安卓免費版
v5.866.280.58503 最新版
v6.627.1967 安卓免費版
v2.882.3128.969587 安卓最新版
v9.396.250.172775 安卓漢化版
v9.484.7343 PC版
v4.63.7237.85372 安卓漢化版
v5.425.2186.405007 安卓最新版
v1.341.223.461753 安卓最新版
v9.89.7016.2402 IOS版
v1.750.1911.258035 安卓最新版
狗爷闯城中村 高清视频
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
久久狼人影院
免费看欧美一级性交黄片
久久精品94精品久久精品
a电影免费看
美国在线一级在线
91最新免费网站网址
可以看的三级片网站
黄片视频免费视频
欧美精品中文字幕在线视频
西施被c哭
a级毛片不卡在现观看
黄片1区2区3区4区5区6区7区
尿裤子网站+vk
馃敒馃敒馃敒銑欙笍銑欙笍
国产激情视频无码片
少妇性无码不卡免费专区
xxnx14中国免费
日批免费视频