目今位置:首页 → 电脑软件 → 警方建议关闭FaceTime → 女生裸体 v6.979.4794 IOS版
v2.899.9246.774490 安卓版
v3.551.3052.645350 PC版
v9.688.5474.265122 PC版
v9.341.7906 IOS版
v6.163.6748 IOS版
v8.818.9986.177625 安卓免費版
v9.376 最新版
v7.10.7318.729771 PC版
v4.876.2358.544901 安卓最新版
v8.615.3166.366448 IOS版
v9.936.5277 安卓版
v2.844.4148.48687 安卓最新版
v1.486 最新版
v8.300.4434.475814 安卓漢化版
v5.165.4286 安卓版
v5.309.8335 安卓版
v7.595.7430 PC版
v4.931.4952.737100 IOS版
v5.854.3378.460951 安卓漢化版
v3.721.6535.362057 安卓漢化版
v8.264.8330 IOS版
v5.747 安卓最新版
v6.631.7353.747621 安卓最新版
v3.109.1987 最新版
v5.641 PC版
v6.55.7371 IOS版
v6.949.3974 最新版
v2.6.8118.689212 安卓漢化版
v8.991.8747.351307 PC版
v8.638.9197.198510 安卓版
v4.448 最新版
v2.854 安卓版
v7.586.8744.800240 安卓最新版
v4.785.3665.695630 安卓最新版
v1.442.4759.844211 安卓免費版
v5.12.4096.755706 IOS版
v4.405.3337 安卓最新版
v3.773.7098.798738 IOS版
v1.207 安卓版
v6.232 最新版
v7.370.2064.103644 最新版
v1.179.2464 PC版
v4.788 安卓漢化版
v9.674.9955.407290 最新版
v2.142 最新版
v2.680.4305 安卓漢化版
v9.334.8175 IOS版
v5.664.2653.710821 安卓最新版
v3.952.2987.904707 安卓版
v1.462 安卓最新版
v1.724.6983 安卓最新版
v4.223.6314.140573 PC版
v2.416.1512.723863 安卓漢化版
v4.413 安卓最新版
v5.676 安卓免費版
v1.222.2844.843620 安卓版
v4.822.6516.933972 IOS版
v9.153 安卓漢化版
v3.576.55.576646 安卓版
v6.265.3576 安卓漢化版
v1.448.5265.649075 PC版
v6.871.7477 安卓最新版
v9.732.2721 安卓版
v4.191.6020.749765 安卓漢化版
v4.256.5568.371945 安卓免費版
v3.57 PC版
v8.819 最新版
v6.430.4179.38727 IOS版
v8.361.5048 最新版
v3.21.9049.313078 最新版
v9.613 IOS版
v1.726 PC版
v3.569.1941 最新版
v5.938 安卓最新版
v4.42.1369.598058 最新版
v7.918.42.880162 PC版
v6.523 PC版
v3.523.190.916975 安卓版
v3.585 安卓版
v3.888.5516.200292 安卓免費版
女生裸体
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
欧美女同视频三级黄色
亚洲欧美日韩久久精品第一区
人人操人人插人人
国产精品不卡在线观看
欧美在线片观看
精品国产日韩欧美精品制服
我用 擦同桌的
久热这里只有精品免费
天天夜色色视频
日日摸夜夜添夜夜添人人爽
麻豆传媒沈娜娜
老奶奶性交
2019av在线
91在线国产观看视频
爽嫩逼穴国产无马赛克
嘿咻精品国产导航
大象成人视频免费在线观看
色综合AV社区男人的天堂首页
五姑娘影A∨
巨乳裸体
欧美被操爽
大xj在线观看网站