v8.259.4335 PC版
v9.54.8135.199087 PC版
v5.885.5126.461134 安卓版
v4.715.5849.838430 安卓最新版
v8.140.3028 安卓漢化版
v1.840.12 最新版
v4.578.4592.450168 安卓漢化版
v3.3 安卓最新版
v1.231.9734.85746 安卓版
v4.202 最新版
v7.814.3333.994889 最新版
v3.756 PC版
v7.961.7569.988051 IOS版
v8.338.5423.367786 最新版
v7.904.9374.584302 安卓免費版
v3.83.2184 安卓最新版
v8.382.9755.579785 安卓漢化版
v9.800.7583 安卓版
v8.791 安卓漢化版
v1.0.4301 安卓免費版
v5.865 IOS版
v7.184.2515 安卓免費版
v2.364.8173 安卓免費版
v5.554.6352.94036 安卓版
v5.540.5302.401572 PC版
v4.693.5788 IOS版
v3.986.5641 最新版
v3.742 安卓漢化版
v4.692.6767 PC版
v4.958.3177 最新版
v5.989.983.871893 安卓漢化版
v1.200 安卓免費版
v2.732.9280 安卓漢化版
v8.340.2683.212717 IOS版
v1.623.297.292396 安卓漢化版
v9.287.5841.825987 最新版
v3.752.2320.707858 安卓最新版
v9.623.8612 安卓最新版
v4.995.5707.787413 最新版
v6.824.2924.166385 安卓免費版
v5.768 PC版
v9.938.3622.571695 最新版
v3.545.9810.900821 安卓免費版
v7.445 IOS版
v8.243.9879 安卓版
v6.7.9691 PC版
v8.190 IOS版
v4.906.2425 安卓版
v8.150.4841.343371 安卓免費版
v6.789.4257 安卓免費版
v4.884.8800.980819 安卓漢化版
v1.134.8751.289985 最新版
v7.881.7877 安卓最新版
v6.690.5422 安卓漢化版
v3.779.2352.804948 IOS版
v8.822.9684 安卓版
v8.311 安卓最新版
v9.700 PC版
v6.537.9105.412385 安卓漢化版
v8.678 IOS版
v3.73.4275 安卓版
v8.494 安卓版
v3.295 IOS版
v6.679.9364 安卓漢化版
v6.405.4129.74174 安卓漢化版
v6.448.8687.365414 最新版
v3.725.9657 安卓版
v1.197.4997 最新版
v3.422.1917 安卓漢化版
v7.232.7894.213962 PC版
v5.218 安卓版
v4.797.5858.636984 IOS版
v4.529 安卓漢化版
v7.3 安卓版
v3.395.3737.742826 安卓版
v2.712.5582 安卓最新版
v3.96.3012 安卓最新版
v6.796.7674 安卓最新版
v2.561.6577 IOS版
v6.327.6894.61004 IOS版
能看的黄色网址有哪些
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
99irav免费视频
一及黄毛片A级黄毛片
2021粉嫩国产尤物在线精尽
中文字幕欧美精品一区二区三区
国产精品自拍手机在线
聂小雨黑衣战神1080p在线观看高清免费版
中国性交一级A片
强奸乱轮在线
一亲二膜三叉四强五注射红杏
狼友电影网址
99精品视频69精品v视频
男人的天堂综合拍拍拍
wwwe日本999
www.好多水
在线免费黄片一区
希咲エマ和捆绑拳交
啪啪啪精品有限公司
99精品视频在这里
97人人爽人人爽人人爽
黄色网站一级Av免费在线观看
人摸人人人澡人人超碰
十八禁裸体美女网站
1024看片无码人妻
城市小姐一级毛片视频
99re视频免费