v4.62.267 PC版
v1.170.4144.240028 安卓最新版
v2.700 PC版
v7.835.9787 安卓版
v5.966.4506 安卓漢化版
v3.703.2250.500663 安卓免費版
v7.187 安卓免費版
v3.817 安卓最新版
v9.879.8812 安卓免費版
v1.194.5276 安卓漢化版
v7.591.393 安卓漢化版
v8.533 安卓免費版
v9.103 最新版
v7.4.6080.978563 安卓免費版
v1.213.9174.376755 安卓最新版
v2.333.3384.451440 安卓免費版
v6.803.4254.464470 IOS版
v4.565.6206.151090 PC版
v4.407 安卓最新版
v5.651.309.34716 安卓免費版
v5.89.2798.698225 IOS版
v3.749.4780.149081 最新版
v2.362.4459 安卓最新版
v1.44 PC版
v4.550.3348.626573 安卓版
v8.941.8596.584035 安卓版
v8.140.1823.700285 安卓漢化版
v7.733.2995.719867 最新版
v3.870 安卓最新版
v6.960 IOS版
v6.983.1707.465262 安卓版
v6.22.9046.834531 安卓版
v8.73 安卓免費版
v5.319.5198.297250 PC版
v8.792.8090.975121 安卓最新版
v6.750.7279 PC版
v7.908.3485.511298 PC版
v7.0.924 安卓最新版
v4.920.9577.177585 安卓免費版
v4.456.9220 安卓漢化版
v7.494 安卓漢化版
v8.417.2953 安卓免費版
v2.602.7321 IOS版
v1.300.4904.406244 安卓版
v5.496.8219 安卓版
v6.520 安卓漢化版
v5.899.389 PC版
v3.662 最新版
v8.565.3419.220727 安卓漢化版
v6.370 IOS版
v2.615.2310.712894 最新版
v4.322 安卓最新版
v8.851.7798.828283 安卓漢化版
v6.99.5399.640999 IOS版
v1.324.3800 安卓最新版
v5.894.7243.591478 PC版
v5.46 IOS版
v9.704.3077.505963 安卓版
v5.244.8708.965144 安卓免費版
v9.679 安卓版
v2.784.2292.673272 安卓最新版
v7.937.1599.814672 安卓版
v3.922.8200 最新版
v5.451.5028.739644 PC版
v3.22.8866.554362 最新版
v7.531.6236.673507 IOS版
v7.374.6506.289153 最新版
v4.234.7899.295434 最新版
v1.93.5981 安卓最新版
v8.363.9656.392066 PC版
v4.139.9352.830003 最新版
v8.763.1522.170535 IOS版
v7.720.1514 IOS版
v3.249.3834.578550 安卓漢化版
v7.500 PC版
v7.909.3590.694472 安卓版
v7.816 安卓漢化版
v9.51.3862.377238 安卓免費版
v7.61.8553 安卓免費版
v6.559.1708 安卓版
人人爱人人曰人人操人人要
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
纲手大雷被捏爆
亚洲男人天堂免费视频
H动漫全彩纯肉无码无遮挡网站
AV片网址
黄色视频免费观看网页
一 级 黄 色 片免费网站
爽爽爽一区二区在线视频观看
成人看片 果冻
日日澡夜夜澡人人高潮
穿jk被c
免费看的男同黄 网站
精品人人做人人爱视频
思思热在线视频免费观看
欧美日韩无砖专区一区二区
强开小嫩苞A片
国产在线播放大学生
男女动态图无遮挡猛烈同房
日韩欧美视频在线看
就去色色色网
久久这里只有是精品的6
爱爱小网站
久久久精品日本一区二区三区
少妇被c 黄 在线视频原神
和平精英黄化版
狼友视频网站内容在线观看
日韩欧美亚洲AAAAAAA