v5.330.4606.388161 安卓免費版
v4.532.2390.202472 IOS版
v9.578 最新版
v9.212.8931.482580 安卓漢化版
v5.797.361.434572 安卓漢化版
v2.457.3575.266601 安卓版
v4.346.8324 IOS版
v3.130.3193.33842 安卓最新版
v9.760 安卓免費版
v1.642.8619.896789 安卓免費版
v2.555.1049.481121 IOS版
v8.69.56.441105 安卓漢化版
v5.241.1759.784618 安卓免費版
v7.532.705.839365 PC版
v1.969 安卓最新版
v7.470.6651.678891 安卓最新版
v3.68.9700.213108 安卓漢化版
v4.290.2958.784880 安卓版
v3.992.9119.90382 安卓免費版
v3.607.5669.230928 IOS版
v7.971.7368.302165 IOS版
v8.813.4498.147047 安卓免費版
v1.222.1424.862037 最新版
v1.535.3242 最新版
v3.33.8237.421883 PC版
v8.233.2074 安卓版
v1.493.1312.381082 最新版
v9.565.8464.693157 IOS版
v9.860.8440 最新版
v9.155.444.374275 安卓版
v6.49.9057.366594 IOS版
v1.911.9195.998360 最新版
v3.231 IOS版
v5.909.4775.652399 安卓版
v6.274 IOS版
v8.444.9698 安卓免費版
v1.341 PC版
v3.607.6932.569689 IOS版
v8.631.3 最新版
v9.624.7728.209702 安卓最新版
v8.747.8514.654423 最新版
v8.574 安卓版
v6.869 安卓最新版
v3.710.433.105155 最新版
v2.804.407 最新版
v2.196.1015.584917 安卓最新版
v5.283 IOS版
v7.666.1678.913684 最新版
v8.105.2263 安卓漢化版
v1.382 IOS版
v7.877 IOS版
v7.672.5390.67937 最新版
v7.888.2384.251512 PC版
v9.454 PC版
v6.831 安卓版
v5.542.3558.248817 IOS版
v4.703 安卓版
v8.983 安卓免費版
v6.657.8327.786541 最新版
v8.802.9996.640697 IOS版
v7.994 安卓漢化版
v3.30.8358 PC版
v9.983 IOS版
v2.131.1735.89947 PC版
v2.242 安卓漢化版
v9.597.1585.131423 安卓最新版
v9.967.8762.605699 安卓最新版
v5.80.129.14991 安卓免費版
v5.897.6881.644346 PC版
v6.740.9966.434061 最新版
v9.823.7762.171683 安卓版
v1.126.3822.956305 PC版
v3.40 安卓版
v7.312.1667 PC版
v9.201.8614.100177 安卓免費版
v8.730 最新版
v3.893 最新版
v4.600.9878.427602 最新版
v1.419.4910 最新版
v9.175.6113.748902 IOS版
胸 啊 嗯~出奶了图片
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
AV黄片一级毛片
午夜理论片在线观看影院
国产又大又硬又湿又刺激
鉂宑b
火影忍者野原琳被C爆乳
日韩黄色网站免费观看
51做爱网站
爱入口无码
爱搞免费观看
国精二区3
黄色影院网址
影音先锋你懂得
唐三强 宁荣荣禁欲漫画
欧美综合自拍亚洲综合第一页
老女人3p合集
性爱视频一级
黄色一级片69视频。
国产 在线看
女人裸体性爱全过程
www.新av.com
在线播放一级黄片天堂A
操逼随便看
av福利在线网站
黄色亚洲视频在线
人人操人人摸人人爽资源
欧美一级AA片片视频
恋足app下载