目今位置:首页 → 电脑软件 → 大车司机被骆驼群“打劫”要水喝 → 孕妇自慰 影视 v2.401.7218.515124 最新版
v6.927.3781.506174 安卓版
v2.155.2114 安卓免費版
v8.960.6983 最新版
v7.24.3036.837253 安卓免費版
v1.605.7436.422339 最新版
v9.714.6406.717964 安卓最新版
v3.543.4932 安卓版
v5.354.6732 最新版
v9.116.8195 安卓版
v7.982.2485.350239 安卓免費版
v1.781 最新版
v1.198.5093.305548 IOS版
v8.94 PC版
v3.554 安卓漢化版
v3.580.2412 PC版
v6.350.3644.736264 安卓最新版
v5.787.8232.198417 IOS版
v5.877.2998 安卓免費版
v8.371.2019.374215 安卓最新版
v1.834.8278 安卓漢化版
v1.936 PC版
v9.109 安卓免費版
v7.945 安卓最新版
v5.916 最新版
v6.328.3651.824732 安卓版
v4.204.2461.506238 最新版
v6.183.4930 安卓免費版
v3.603.3930.4646 IOS版
v8.351.6669.539224 安卓版
v9.137.9336.561256 PC版
v8.653 PC版
v4.354 最新版
v9.939 IOS版
v9.648.2353.860832 安卓版
v7.359.598.408436 安卓免費版
v3.521.1282.223394 最新版
v9.100.233.787746 PC版
v5.461 最新版
v9.661 PC版
v2.168 IOS版
v9.332.2174.688686 IOS版
v6.828.4665.383790 IOS版
v3.990 IOS版
v8.153.6085 安卓版
v2.731.1908.168406 安卓漢化版
v9.228 IOS版
v3.84.9059.27052 最新版
v6.382.4665 IOS版
v6.684.7116.273986 IOS版
v4.707.7477 安卓版
v8.627.7038 PC版
v1.978 最新版
v1.579 安卓漢化版
v9.883.1547.472233 安卓漢化版
v6.532.5653.798196 PC版
v6.662.9793.871616 PC版
v5.394.2456.263262 安卓漢化版
v5.419.1474.454167 安卓最新版
v6.178 安卓最新版
v5.933 安卓最新版
v6.720.4923 安卓版
v8.661.1651.68821 安卓最新版
v5.876 IOS版
v3.236.2227 IOS版
v3.454.3589 IOS版
v3.919.9710.44346 安卓漢化版
v9.631.1691 安卓最新版
v2.848 安卓漢化版
v5.662.8147.825987 安卓免費版
v1.422.9404 最新版
v1.431.6458 安卓版
v1.430.1452 最新版
v5.926 IOS版
v6.624.644.495943 安卓最新版
v1.513.7505 安卓免費版
v1.759.6740.830759 安卓漢化版
v2.918 安卓免費版
v7.923.2062 安卓最新版
v7.393.3644 安卓漢化版
v8.953.8057.742331 安卓漢化版
孕妇自慰 影视
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
analhdsexvideo
8x8ⅹ国产精品入口
韩国极品美乳主播专区色诱
同人视频18 网站.com.www
超碰人人操99
有色精品合集无码一区
亚洲熟妇少妇任人躁在线观看
2019亚洲天堂在线观看
全国最大免费毛片AV网站
色妞这里都是精品视频
嘿料网,自慰潮喷
精品一级视频免费播放
正在播放亚洲一区二区精品丝袜无码高级
大炮色免费
啊哥哥的大吉啊
黄色免费在线网站
一级婬片A片AAA毛片A片