v8.589 安卓漢化版
v2.614.1955.76466 IOS版
v4.697.9679.967357 IOS版
v2.562 安卓漢化版
v5.453.7777 安卓免費版
v9.308.6938.708478 IOS版
v2.433 安卓漢化版
v5.843.338.4866 最新版
v3.140 安卓最新版
v8.611.9627.704440 安卓最新版
v9.969.772.122985 安卓版
v4.33.4892 安卓免費版
v5.645 最新版
v2.682.6993.717502 安卓最新版
v8.426.799.160239 安卓免費版
v9.741 IOS版
v5.100.1993.563204 安卓漢化版
v5.985.5856.746005 安卓版
v5.110 PC版
v7.761.9089 IOS版
v1.175.689.408319 安卓漢化版
v7.480 安卓漢化版
v8.906 IOS版
v5.614 最新版
v3.368 安卓免費版
v7.178.2408.463796 安卓免費版
v7.146 安卓漢化版
v2.381.4828 安卓最新版
v9.780.5407.622403 安卓最新版
v2.318.268.976098 安卓版
v1.414.8372.667866 安卓漢化版
v3.597.4730 安卓免費版
v3.861.1892 最新版
v3.801.9346 安卓最新版
v5.352.5409.607531 安卓漢化版
v2.359.1214.572379 PC版
v2.977.1229 安卓漢化版
v2.727.3418 IOS版
v2.275.6138 IOS版
v5.248 安卓版
v5.259.8866.308015 IOS版
v1.19 IOS版
v7.974.3953.307330 IOS版
v2.722.6761.406590 PC版
v8.355.7550 安卓版
v6.570.9049.549080 安卓最新版
v7.281.1890.559204 安卓漢化版
v7.414.7598.426627 IOS版
v8.69.7178.484319 安卓最新版
v5.736.1325.548336 最新版
v9.514.6287 安卓版
v8.529.3324.17735 安卓漢化版
v4.883.9225.266331 安卓漢化版
v3.833.7211.763647 最新版
v1.685 安卓最新版
v3.645.9332.501387 安卓免費版
v5.839.9460.672304 安卓版
v7.113 最新版
v4.285 安卓免費版
v1.568 最新版
v8.991 安卓版
v5.584.4066.545471 安卓版
v2.196.8647.17462 IOS版
v7.580.2253.403416 安卓免費版
v7.794.1865.719989 安卓版
v6.598 最新版
v2.577.3369.350547 IOS版
v8.798 IOS版
v1.205.3070.550283 安卓版
v5.131.9129 安卓最新版
v1.699.9120.15579 IOS版
v4.323.5066 最新版
v6.371.775 IOS版
v2.141 最新版
v4.459 PC版
v3.798.1815.429053 最新版
v5.996.127 安卓漢化版
v9.279.1680.996632 IOS版
v6.777.2481.394989 PC版
v1.745.8843 最新版
一级中国黄色片
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
男的插.女的比我在线视频
人人肏我
91日韩精品久久久久精品
田野优爆乳中出无码流出
欧美熟妇性饥渴视频
.17c嫩嫩草色视频蜜%A
欧美专区 第十页
二人世界高清视频播放
自由 XXX 性别 视频
国产 a片 久久 精品
狂躁欧美肥臀大BBBB
朋友的妈妈是技师
多人av在线
黄色电影网站91
欧洲黄片黄片,黄片,黄片,黄片
网站在线黄色视频
祼视频
男的把女的搞到高潮喷水视频
抽送日韩免费
腋静脉穿刺定位图解