目今位置:首页 → 电脑软件 → LCK季后赛 T1 3:1 KT → 久久国产一区精品免费观看 v2.782 IOS版
v3.168.3552 安卓漢化版
v5.112 IOS版
v8.837.2690.338991 安卓漢化版
v7.398.9048.395644 安卓免費版
v5.377.4941.464822 安卓免費版
v7.836.8325.534373 IOS版
v3.509.8894 最新版
v7.97.6475.303722 安卓版
v9.94.8652.882931 安卓版
v3.697.4755 PC版
v5.909 安卓版
v5.479.1811.340640 IOS版
v5.836 安卓漢化版
v9.542 安卓版
v8.384.7714.436348 安卓漢化版
v3.982.766.194872 PC版
v3.431.3910.534831 安卓版
v4.132.6358 安卓漢化版
v6.889 IOS版
v6.411.3088 IOS版
v8.747.4025.164679 最新版
v3.775.7418.379578 安卓版
v8.777.5173.464802 安卓免費版
v6.977 安卓最新版
v2.885 IOS版
v4.688.4856.437638 IOS版
v1.755 IOS版
v4.602.342.629821 安卓免費版
v3.860.5721 安卓漢化版
v2.575.6257.698604 最新版
v8.610.5270.913341 安卓漢化版
v1.509 PC版
v7.70.2154.408623 安卓版
v7.143 安卓漢化版
v1.376.7092.193620 安卓漢化版
v7.529.5647.719574 安卓漢化版
v1.354.2242.111667 最新版
v2.655 安卓免費版
v7.86.4529 安卓版
v8.284 PC版
v3.30.7648.122915 安卓免費版
v8.365.2871.528178 安卓最新版
v6.955.777.321275 IOS版
v6.729.8549.459873 PC版
v4.11.2019.601519 安卓最新版
v5.408.2960.582796 安卓漢化版
v2.167 安卓最新版
v9.159.1500 安卓免費版
v4.969 安卓最新版
v3.110.1571.248298 安卓漢化版
v9.176.2833.743097 安卓免費版
v1.327.1854.529377 安卓版
v1.596.4857 IOS版
v8.184.498.382252 安卓免費版
v7.464.4681 最新版
v1.378 安卓版
v4.628.455 安卓免費版
v6.310.3380 安卓漢化版
v7.341.8754 安卓版
v3.352.5865.309001 安卓最新版
v9.467.1630 IOS版
v7.678.8666 安卓免費版
v5.445.576 安卓最新版
v1.66.5267.72578 安卓漢化版
v7.983.4088.838428 安卓免費版
v1.65.2220 最新版
v3.740.6956.411962 PC版
v2.877.765.213562 安卓免費版
v6.234.6436.696552 安卓漢化版
v5.460 安卓版
v8.802.5173 安卓免費版
v4.697.1082.944459 安卓漢化版
v1.438 安卓免費版
v2.783 安卓版
v1.552.1383 IOS版
v1.369.4680.194642 最新版
v7.739.5563.57146 安卓免費版
v6.782.8066.959967 PC版
v8.90.2321 最新版
v2.223.6687 安卓漢化版
久久国产一区精品免费观看
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
欧美日韩黄色视频免费看
布洛妮娅的奖励视频播放
亚洲性爱视频免费
黄色网站免费关看
女的被c哭男的安慰视频
肛塞自慰动漫游戏
三级视频全黄
美女 流浆 水直播
日本三级A欧美三级
舔网站
日韩精品一区二区三区色欲AV
好男人社区在线影视WWW
人人人人操干
美屄俱乐部
e免费黄色视频在线观看
天天澡日日澡狠狠澡欧美老妇
黄频网站国产
奶子大
手机看片国产午夜精品
超碰在线在线
自拍偷在线精品自拍偷无码专区