目今位置:首页 → 电脑软件 → 男孩骑行身亡肇事司机移送检方 → 美女搞基软件 v8.153.3258.897138 最新版
v6.821 IOS版
v9.641.4142 安卓版
v9.625.5853.331915 IOS版
v3.167.8878 安卓最新版
v9.150 安卓漢化版
v9.47 安卓免費版
v2.432.6179.318401 安卓漢化版
v7.494.2157.151968 安卓漢化版
v6.446 IOS版
v4.99.9935.33788 IOS版
v1.81 最新版
v2.547.8615.937150 安卓版
v8.916.9102.988747 安卓最新版
v8.931.7137.323048 最新版
v1.441.8044.499799 安卓最新版
v9.864 安卓漢化版
v5.75.4596 安卓版
v7.287.1248 IOS版
v2.451.2273 安卓漢化版
v5.755.5623.459689 最新版
v1.75 安卓最新版
v3.402.4363.451399 PC版
v1.758.8759 安卓漢化版
v6.177.4097 安卓版
v9.205.5223.418588 安卓漢化版
v9.578.564.16005 安卓最新版
v7.549.9680.411301 最新版
v6.327 IOS版
v6.248.9814 安卓漢化版
v6.239.521.432437 PC版
v8.297 最新版
v6.47.5154.606785 安卓最新版
v4.731 安卓最新版
v6.989.6534.67317 安卓免費版
v3.57.1565.275313 安卓最新版
v1.594.8561 PC版
v2.604 安卓免費版
v2.162.5361.930701 安卓免費版
v5.745.1055.118840 安卓免費版
v8.68.6047.251081 安卓免費版
v4.59 安卓漢化版
v4.460.4457.102206 安卓最新版
v5.146.9689 安卓漢化版
v3.399 PC版
v2.69.9001 PC版
v6.559 安卓漢化版
v9.800.2900.569544 PC版
v7.688.7126 安卓版
v7.948.2245.331322 安卓版
v9.144.563 IOS版
v2.238.6648.843980 安卓版
v1.48.8161.334104 最新版
v4.830.4382.481651 安卓版
v9.833.4164.985713 安卓最新版
v6.936.9610.254918 安卓漢化版
v5.88.1915.343945 IOS版
v1.608 PC版
v6.790 安卓最新版
v2.196.8830.935207 最新版
v6.704.5517.895671 安卓最新版
v8.787.8746 安卓版
v3.785.7390.877973 IOS版
v5.653.1389.565254 IOS版
v7.643.2090.255753 安卓版
v4.193.9570.562179 安卓版
v2.776.7226 安卓免費版
v2.114.5651.861624 PC版
v1.376.7003.505539 PC版
v1.676 安卓免費版
v8.696 安卓版
v7.169.8200.869024 安卓漢化版
v6.628.6837.911358 PC版
v1.722.6524 IOS版
v8.831.452.6847 PC版
v6.342.9808.908188 安卓版
v9.621.1200.465430 安卓免費版
v8.200.9752.383315 安卓漢化版
v8.762 安卓免費版
v7.723.809.150310 安卓最新版
v7.732 最新版
美女搞基软件
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
a视频免费在线观看
日本高潮玩弄双乳丨VK
久久黃片
适合一个人夜间观看的2.0免费草莓榴莲视频
国产黄色视频在线看
国产在线视频在线免费
调教婬奴女警花H文欢乐谷
亚洲无码精选
91蝌蚪91 九色白浆
玖辛奈裸体被 同人动漫爆乳雏田
亚洲一区二区三区四区看片在线播放网站
j8视频
2019人人操
www..com日本免费看片
欧美60 70老妇交 www.overstock.com www.vvv1vvv.com
刘飞儿早期写真图片
潘金莲裸体被强高潮
www.2美黄色片一级片
欧美一级视频网址在线播放
丝袜网袜 在线 一区 乱 超碰
日本视频高清不卡免费
洛丽塔被c