v9.46.686.801100 最新版
v7.780 PC版
v2.497.1991 PC版
v9.501.8581.947992 PC版
v1.761.6011.286151 安卓最新版
v2.849 安卓版
v6.43 安卓最新版
v2.835.6266.291547 最新版
v5.53.7909 IOS版
v2.560.6284 安卓漢化版
v6.251.4500.548689 最新版
v9.892.2796 最新版
v6.81.9995.600604 PC版
v6.678 PC版
v2.482 安卓最新版
v2.242 IOS版
v6.967.4762.214597 安卓漢化版
v4.415 安卓漢化版
v9.220.3517.891083 安卓免費版
v2.333.1605 最新版
v2.888.4227 安卓版
v9.583.9296.323353 安卓版
v1.71 IOS版
v1.650.9609 安卓最新版
v2.702 安卓漢化版
v2.602.5989.435040 安卓最新版
v8.732.1879.483043 安卓版
v5.907.4788.153065 安卓最新版
v8.791 安卓最新版
v2.140.9103 安卓漢化版
v7.77.2703.559198 安卓免費版
v3.70.9940 PC版
v7.515 安卓免費版
v7.43 IOS版
v1.582.7138.268274 IOS版
v2.122 安卓版
v8.398.4536.357339 IOS版
v5.365.925.57321 PC版
v2.807 IOS版
v9.723.7145.527730 安卓免費版
v3.950.7124 IOS版
v3.302.9316 最新版
v8.851.8913.568439 安卓免費版
v6.677.5281.928623 安卓最新版
v1.994.460 IOS版
v5.317.32 安卓漢化版
v2.781.1703.323083 PC版
v2.818.3563 安卓最新版
v8.669.1607 安卓免費版
v7.440 安卓版
v1.936.4226.44508 PC版
v2.957 PC版
v7.730 安卓最新版
v2.882.9402 最新版
v3.231.4534 安卓免費版
v1.925.1034.930851 最新版
v2.917 安卓免費版
v3.115.8049 PC版
v1.660 PC版
v6.443.3297.550351 安卓免費版
v1.901 安卓最新版
v8.715.3703.155462 最新版
v9.336.5300.879184 安卓版
v2.951.5354 最新版
v3.407.8937.67997 安卓版
v7.51.7324.108026 安卓漢化版
v7.527.475 安卓版
v5.171.9938.994386 最新版
v3.249.5427.434224 最新版
v3.840.999.433692 安卓漢化版
v8.309.5093.937980 安卓漢化版
v2.613.2775 PC版
v6.29 安卓最新版
v8.830.8924 安卓版
v7.396.6399 安卓最新版
v9.370.4543.128718 IOS版
v5.282.9783.414997 IOS版
v1.991.7104.484238 IOS版
v6.260.5380.614511 安卓漢化版
v6.138.7311 最新版
国产一级毛片女人高潮水真多
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
国产 日韩 中文字幕
在线看的免费三级黄页
天天色网址
黄色视频在线观看的网站
cosplay hentai genshin
在线免费看a视频网站
国产第8页
免费的乱婬视频播放网站
又粗又黄又硬又爽的免费视频播放
人人操碰人人看
鞠婧祎自慰
h在线视频
美女高清操逼AV
污漫画18禁
美女直播被日爽了高清
沈 樵国产
奇米第四色888
91破解版官方版
欧美成黄色
在线视频毛片
儿媳乱伦电影
91国产丝袜老逼视频
中国不卡毛片