v7.21.990.835405 安卓最新版
v1.569.2230 安卓漢化版
v3.744.6445 安卓免費版
v1.883 安卓最新版
v4.905.2165 安卓漢化版
v1.449 PC版
v5.623.6933 安卓最新版
v7.836.7166.169144 安卓最新版
v9.909 PC版
v8.702.8770.664798 安卓漢化版
v1.355.9061.46082 安卓最新版
v7.376 安卓漢化版
v5.584 安卓版
v4.590.9957.837189 安卓免費版
v9.291.8802 IOS版
v3.396 安卓漢化版
v1.818.5439.900767 PC版
v1.919 PC版
v2.298 安卓版
v4.353 最新版
v7.307.4732.950567 IOS版
v2.967.8388 最新版
v2.859 安卓免費版
v4.236 安卓免費版
v6.225.6205.872750 安卓免費版
v8.310.9826.686877 安卓漢化版
v3.656.4859 安卓免費版
v6.184.2973 安卓漢化版
v4.725 IOS版
v2.231.5471.123070 PC版
v5.698 PC版
v3.461 安卓免費版
v7.937.9483.118574 安卓版
v9.536.7158 安卓免費版
v3.189 IOS版
v6.775 IOS版
v9.448.2180.120600 PC版
v1.47.8599.833539 PC版
v5.919.9665.285244 安卓版
v4.426.5041 IOS版
v6.947.8861.961090 PC版
v6.529.647 安卓版
v2.491.250.296772 安卓最新版
v5.674.1429.720527 IOS版
v3.714.5089 IOS版
v7.150 安卓免費版
v8.445.2080 安卓漢化版
v1.338.6673 安卓版
v3.428.8827.506519 安卓免費版
v1.267.29.827219 安卓版
v4.213.54.49080 安卓最新版
v4.559 IOS版
v1.303 最新版
v1.777.5516.17370 安卓漢化版
v2.846.2412.352775 安卓最新版
v2.235.5374 最新版
v7.829.4758.614479 安卓免費版
v5.640.5303.293156 安卓免費版
v4.365.9168 安卓漢化版
v1.843.360.670248 PC版
v8.554.1336.153949 安卓版
v3.699.6447.621664 安卓免費版
v7.264.6989.498450 安卓版
v7.242.5225.431113 PC版
v7.817.956.796683 IOS版
v8.582 PC版
v9.649.8822 安卓漢化版
v4.117.9052.440916 安卓版
v2.108.8004 PC版
v8.714 安卓最新版
v8.176.8622.629436 安卓漢化版
v5.110.9782.580051 安卓最新版
v1.411.8485.506814 安卓最新版
v5.319.6237 安卓最新版
v8.568 安卓漢化版
v4.496.3683.137535 IOS版
v1.847.1842.493538 安卓版
v4.204 最新版
v1.407.3230.89211 最新版
v9.912 安卓最新版
elitepain鞭打全部
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
欧美又色又爽又黄刺激的视频
电影《捷克美女》的剧情简介
欧美性爱疯狂xxxxx18
飘飘欲仙狼太郎
欧美性爱一二三区
女奥特曼被扒开腿疯狂输入
国产主播在线免费观看
2025小明永远免费观看完整版高清
美女干逼逼
欧美另类小说图片
人人看 人人摸 人人操
欧美在线观看黄色视频
国产黄片av
激情小说图片
黄色视频亚洲线路免费观看
黄色网址在线进入
免费观看的黄色视频
www黄色视频
流萤涩涩
免费一级网站
日韩影院在线观看三区
欧美日韩视频在线
国产午夜精品理论片A级A片
青海师大眼镜妹
欧美AAAAAAAAAA级黄片
嘿咻aaa
强奸一级毛