目今位置:首页 → 电脑软件 → Believe-通往你的桥- → 国内精品久久久久久电影网 v5.160.7516.411987 安卓最新版
v9.190.1766.913067 IOS版
v5.136.4172 安卓免費版
v4.848.9899.229899 最新版
v6.970.1277.88338 安卓最新版
v2.630.527.862525 PC版
v7.916.4297.876359 安卓免費版
v6.279 安卓最新版
v7.152.9365.981529 IOS版
v8.451 安卓免費版
v3.812.7185 最新版
v1.935.7240 安卓最新版
v1.77.1885.366147 安卓漢化版
v6.862.4237.125492 安卓版
v6.250.5182.737036 PC版
v4.658 IOS版
v6.187 PC版
v1.871.2415.17172 IOS版
v6.904.8949.535776 IOS版
v6.426.422 安卓版
v6.725.3078 安卓免費版
v4.59.6051 安卓漢化版
v7.24.826.126954 安卓漢化版
v3.246.1603.300287 IOS版
v2.467 安卓免費版
v4.245.8299.603927 安卓漢化版
v3.992.6973 最新版
v3.767.1338 最新版
v8.498.3355.989003 安卓最新版
v4.67.6376.645867 安卓免費版
v2.369 安卓漢化版
v1.384.2407.621287 安卓版
v6.756.5680 安卓免費版
v7.354.8740.951533 安卓漢化版
v2.45.2801.75309 最新版
v3.741.7229.949242 安卓版
v2.179 IOS版
v3.641 IOS版
v5.740.7538.656738 安卓最新版
v1.862.4505 最新版
v5.275.2218.561391 安卓免費版
v7.184.3370.833469 安卓免費版
v7.45 安卓最新版
v8.667.747.729475 PC版
v2.922.8003 安卓版
v2.912.1954.12425 安卓最新版
v2.959.5390.968272 安卓版
v7.132.1048 安卓漢化版
v4.241.1901 安卓免費版
v1.839.8945.752227 最新版
v1.381.1413 IOS版
v5.251.8405 最新版
v6.744.8193.760582 安卓免費版
v8.554.5938.808908 安卓漢化版
v6.466.9607.367677 IOS版
v7.83.3671.610854 安卓最新版
v5.643.9820.235262 IOS版
v7.502 安卓漢化版
v9.139.8806.770299 最新版
v4.308.6835.717620 最新版
v3.804.7698 安卓免費版
v5.7.1932.607178 安卓版
v6.948 最新版
v2.514.3725 安卓版
v4.17.1772.511351 安卓最新版
v4.721.7029.904310 安卓漢化版
v3.209.6824.743151 IOS版
v7.9.8012 PC版
v4.586 安卓免費版
v5.124.3679 安卓版
v6.662.1529.328886 安卓最新版
v4.309.3985 安卓漢化版
v1.462 安卓最新版
v3.173.3638.624034 最新版
v2.425.8266 PC版
v4.375.8515 安卓漢化版
v7.127 安卓免費版
v3.817 IOS版
v4.524.3896.537025 安卓最新版
v8.224.63.26241 安卓漢化版
v5.945.0 IOS版
国内精品久久久久久电影网
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
亚洲日本欧美不卡视频
亚洲无码a片在线
国产 激情 无码
雏田三角裤图片
美国人性交配
91人妻综合论坛
剑星伊芙被 到爽
嘘别告诉妈妈回家路线
538在线免费观看
蔚蓝档案18r禁黄
特级毛片A片全部免费播直播
成年人黄污视频网站
日韩高清不卡a
国产牲爱XXXXXXX6699
欧美开腿爆 乳液狂飙
8X免费毛片观看
欧美自拍一区
在线免费看黄高清无码网站
国产猛烈无遮掩视频免费网站男女
看黄片.vom
国产av.黄页
永久免费A∨片在线观看
亚洲色一区
湖南新娘吴敏mv
亚洲一区二区中文字幕在线观看
后营露营