v2.834.218.305520 安卓版
v3.553.5668.73789 最新版
v3.897 IOS版
v2.165.1456 安卓版
v6.683 IOS版
v1.468 PC版
v9.697.1464.965252 安卓漢化版
v1.789.1139.343908 IOS版
v3.677 安卓最新版
v4.56.4143.569914 安卓版
v6.768.9016.555741 PC版
v8.194.8280 安卓版
v6.846 最新版
v1.418.3933.736415 安卓版
v6.131.622.676431 PC版
v4.776.3162 IOS版
v1.874.8931.446919 最新版
v1.542 IOS版
v3.690.8232 最新版
v4.589.7837.363500 安卓版
v9.166.9521 PC版
v5.692.5841.427430 安卓最新版
v9.836.3363 IOS版
v5.189.4242.327048 IOS版
v3.344.3261.318474 安卓最新版
v6.531.5256.672428 安卓版
v9.950 安卓漢化版
v6.769.9671 安卓免費版
v1.717.431.412337 安卓版
v9.53.3408 IOS版
v9.453.8824.320972 PC版
v1.228.9585.312956 PC版
v6.930 安卓版
v5.571.3054 安卓版
v9.645 最新版
v6.328 安卓最新版
v2.31.679.874050 安卓免費版
v8.68 安卓免費版
v1.676.3524 PC版
v3.267.6370.379655 安卓最新版
v7.762.3132.686323 安卓版
v5.429.7485.629064 IOS版
v6.716.2082.555393 安卓版
v5.35.4281.975127 安卓最新版
v1.224.7335.927667 安卓漢化版
v3.501.830.694488 最新版
v5.791.2840.46999 安卓最新版
v8.597.6780 安卓免費版
v1.824.4304.975972 安卓漢化版
v9.654.8836.968718 IOS版
v4.353.1760.544925 安卓版
v1.709.8783.162903 安卓免費版
v5.804.1271 安卓免費版
v4.1 安卓最新版
v7.256.4337 PC版
v1.380.5263.167917 安卓免費版
v4.432.954.134441 最新版
v1.992 安卓免費版
v2.838.6145 最新版
v5.448.6463.620130 安卓版
v1.356.5894 安卓版
v8.23 安卓漢化版
v4.501.4368.892135 PC版
v2.415.5905.180376 IOS版
v4.86.8211.835860 最新版
v2.879 安卓最新版
v6.748.3588.82895 PC版
v3.775.7286.571389 安卓最新版
v8.801.6426 安卓最新版
v4.113.5670.748347 安卓免費版
v9.455.8816.582490 最新版
v3.709.6038 安卓免費版
v7.857.2612.167247 最新版
v3.394.3705.491837 最新版
v7.780 安卓免費版
v5.373.3404.429046 最新版
v1.972.4916.61734 安卓漢化版
v1.740.2147 安卓漢化版
v6.807 PC版
v6.764.2926.196914 安卓漢化版
国產精品日韩精品久久
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
插插在精品
操射污
六十路垂乳高齢熟女のぞみ
九九视频精品导航
欧美综合在线观看免费
欧美肥妇
日韩AV无码精品久久人妻
久久精品99久久久久久麻豆
久久午夜理论精品电影网
福利网站导航
国产乱子对白激情视频
直男打飞机在线播放
九九九久精品
欧美交群XXxX
黄色福利网站在线观看
纲手大战鸣人
女人被c 抓衣服视频
黄色小视频在线网站
www.gdacn.com
黄 色 视 频 无码
伊人久久国产精品
国产精品天堂AVAV在线网站
国产在线精品91
能看的国产福利在线
A级片黄色视频免费看
欧美在线一
免费看a公司
1000部嫩草勿进
cao97在线观看