目今位置:首页 → 电脑软件 → 工作室称满舒克HPV检测阴性 → 斗罗大陆艹逼网站 v9.478 安卓漢化版
v5.342 安卓版
v3.835.7113.839656 IOS版
v4.137.5166.958571 安卓免費版
v7.502 安卓最新版
v4.635.2903.70910 安卓版
v9.99.8451.340535 最新版
v8.908 PC版
v6.29.6713 PC版
v1.161 PC版
v2.195.9612 IOS版
v5.369.1768.251587 安卓版
v1.775.7383.183493 IOS版
v4.263.1908 IOS版
v6.799.8873 安卓免費版
v5.617.8710 安卓版
v2.408.3468.824145 安卓免費版
v9.452.4235 IOS版
v2.63 IOS版
v5.552 安卓版
v9.862.1742.710106 安卓漢化版
v3.479 安卓漢化版
v8.298.7746.184878 安卓漢化版
v5.851.7938.580667 安卓最新版
v9.719 安卓版
v1.381.8594.464884 IOS版
v9.691.6375.455375 安卓版
v9.573.756 安卓最新版
v2.665 IOS版
v5.437 安卓最新版
v9.917.7708.675940 PC版
v6.565.7731.83301 PC版
v2.778.7389.648872 安卓版
v8.604.7093.389679 IOS版
v1.941.5775 最新版
v9.184.9496.797908 安卓免費版
v9.64.7388.98059 安卓最新版
v8.640 安卓漢化版
v8.519.8759 IOS版
v4.442.4758.427541 PC版
v2.818 PC版
v8.154 PC版
v9.250.3325.892084 安卓版
v4.334.1750 安卓最新版
v8.383.1371.476485 安卓最新版
v9.777.913 安卓漢化版
v3.8.4817.320994 IOS版
v6.741.979 安卓版
v8.251.8893 IOS版
v9.975.7376.969874 IOS版
v3.900 IOS版
v6.6.8352.741191 安卓版
v8.203.6263 安卓漢化版
v2.701.3138 安卓最新版
v7.300.9574.798394 安卓最新版
v6.123 IOS版
v9.737.3357.756269 安卓版
v3.242 最新版
v1.105.2030 安卓版
v6.499 安卓版
v5.600.5403.838348 安卓最新版
v9.430.5786.315788 最新版
v3.857 安卓漢化版
v6.783.6101 最新版
v4.495.7715.979154 安卓漢化版
v2.872 安卓漢化版
v5.856.587 安卓版
v9.560.4654 安卓最新版
v7.286.3097 安卓最新版
v2.153 最新版
v4.688.6054.591176 安卓最新版
v4.671.663.538562 安卓漢化版
v4.793 PC版
v5.597.505.499316 安卓版
v2.683.8857 安卓版
v9.261.2810 安卓漢化版
v7.902.9813.135942 IOS版
v4.269.1543 IOS版
v1.441.3772 安卓漢化版
v9.578.8289.736483 安卓免費版
v3.527.6574.985280 安卓最新版
斗罗大陆艹逼网站
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
欧美一级特黄大片做受动态
小南脱了内裤打开腿让人c
[玫瑰][坏笑][红脸蛋][小姐姐][酷][惊讶]今~日~福~利!备-好-纸巾! 18-激|爽|
黄色网站在线观看欧美
siejie666
女同 在线
国产精品色色
男人综合网站
亚洲夜色好视频免费看
免费Vα黄色性交网站
东北老妇野外猛交
А天堂资源8在线
r34同人动漫
亚洲欧美日韩www445dcom
黄片址啊啊啊啊啊啊啊啊啊啊
影音先锋男人站av
黃色A片无码三級三級三級免费看
杨幂被我射到高潮
18岁美女网站
99超碰在线观看
逍遥阁直接入口的浏览器是哪些
手机在线国产精品一区二区
美女少妇内衣 小电影
一级视频在线观看
黄色视频激情小说免费在线播放
肖凝儿去衣服图
印度_XXXXXL56ed
紧急大通知狼拿笔记的用途和作用
亚洲美女一级高清黄色视频