目今位置:首页 → 电脑软件 → 河北一粮库2年近万吨玉米不翼而飞 → 雏田被揉 v8.847 PC版
v8.744.1504.157012 安卓最新版
v8.787 IOS版
v6.293 IOS版
v3.501.4114.484560 最新版
v3.521.9420.917760 PC版
v9.191 IOS版
v3.360.5614.663034 安卓漢化版
v5.112.149.222012 安卓免費版
v5.735.4648.162453 安卓漢化版
v2.657.1423 安卓漢化版
v9.639.8753 IOS版
v2.177.1573 PC版
v3.422.2439.655732 安卓免費版
v8.418.9976 安卓漢化版
v4.295.6957.61148 最新版
v3.176.5165.555464 安卓免費版
v9.762.5973 IOS版
v8.154.7638 安卓漢化版
v4.713 PC版
v8.719.885.206702 PC版
v6.768.6076 安卓免費版
v8.567.151 PC版
v7.83.7229 最新版
v3.788.3086 最新版
v6.830.2068.687042 安卓版
v1.449 PC版
v5.429.6081 IOS版
v8.609.4466.846524 安卓最新版
v9.397 IOS版
v1.913 IOS版
v6.540 安卓版
v9.376 IOS版
v9.841.7044.224738 安卓免費版
v5.184.4829.917351 安卓最新版
v3.515.3539.187860 IOS版
v8.157.7959.359102 PC版
v2.57.2162.854434 最新版
v6.786.2682.388760 安卓最新版
v9.968.3599.725295 安卓免費版
v1.471.2180 最新版
v1.481.3208 安卓最新版
v4.195 IOS版
v7.386 安卓最新版
v2.845.7634.236887 PC版
v2.34.6447 安卓漢化版
v2.902.875.653933 安卓最新版
v5.895.9305.218432 安卓最新版
v5.93.612.719776 安卓免費版
v3.310 安卓版
v3.175.7859 安卓免費版
v5.668.1032.627304 安卓免費版
v2.216 安卓版
v8.44.8741.576407 安卓免費版
v9.30 PC版
v8.389.9013.584238 安卓免費版
v2.878.6263.152500 安卓免費版
v7.612.3219 安卓最新版
v9.923.4638.798622 IOS版
v5.577.853 最新版
v8.281 PC版
v4.741.907.526917 安卓免費版
v3.521.7719 最新版
v4.762 安卓免費版
v7.800.1500.192050 最新版
v9.272 安卓最新版
v5.306 IOS版
v7.620.1609.837669 PC版
v4.883.5769.642671 安卓漢化版
v3.186.6945.128180 安卓最新版
v1.430 安卓免費版
v4.127.29.94452 安卓漢化版
v3.232.4909 安卓漢化版
v1.10 IOS版
v7.714 PC版
v5.722.5028.28448 最新版
v5.406.3566.780290 安卓版
v7.215 安卓最新版
v8.151.1130 IOS版
v1.114.1103.398211 安卓最新版
v8.777.887.142723 IOS版
雏田被揉
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
钢手吃雷影大狙漫画免费观看最新章节更新时间
91POPNY.com
花臂夫夫在线全集免费观看夸克
日韩精品1页
偷拍色情舞厅视频
毛片?
稚嫩学院
黑客6月夫妇家庭
www.欧美一
亚洲日韩A级毛片中文
91色色色
亚洲最大视频网站在线观看
国产原创无码视频在线观看
国产精品视频2
黑料网-神级MMD色情动画 绝区零的妮可被操成肉便器 MOMO作者3D动画系列!
17c丨九色丨白浆㊙️小青龙
中文字幕中日韩欧美一区
张符雨图片高清大图
花火被红绳束手束脚图片
国产迷奸视频
一区二区三区高黄色视频
魅魔ai官网破解版
国产最大黄页在线