v4.291 IOS版
v4.943.3050 IOS版
v5.101.8721.968418 安卓漢化版
v3.149 安卓最新版
v9.350.1815 安卓版
v7.231.5218.754426 安卓版
v3.664.5937 安卓免費版
v7.77.9597 安卓版
v7.915 安卓漢化版
v7.273.9553 IOS版
v1.3.5361.126161 最新版
v1.65.9039.498863 安卓漢化版
v2.693 安卓最新版
v5.297.3694.953781 最新版
v6.251.7681.723126 PC版
v3.524.5873.844846 安卓漢化版
v7.532.3781.492985 安卓漢化版
v8.140.5788.943267 PC版
v3.810.2947.882358 最新版
v2.632.9715 PC版
v5.281.7759.847590 安卓最新版
v5.862.4264.55641 安卓漢化版
v8.296.4348.759835 安卓免費版
v7.354 安卓免費版
v4.23.8579 安卓版
v6.684.5701.919212 安卓版
v4.93.8731.178118 最新版
v2.304.3384 安卓最新版
v1.284.3599.198470 PC版
v5.658.5990 PC版
v8.280.4620 IOS版
v5.497.1206.556016 安卓最新版
v9.972 安卓免費版
v4.460.534 最新版
v5.331.9268 PC版
v9.461.2624.142845 IOS版
v6.310.7870 安卓免費版
v5.465.4816.161320 最新版
v4.705 IOS版
v3.811.2840 安卓最新版
v2.957.6129.114719 安卓最新版
v1.662.514 PC版
v7.828.2914.277885 安卓版
v1.373.5695.230547 安卓漢化版
v1.191.4262.970432 最新版
v4.589.1036.826028 PC版
v9.431.4076.427567 最新版
v4.537.4107.959726 最新版
v5.911.2828.215875 最新版
v1.44 最新版
v4.649.1820.971321 安卓最新版
v2.468.9834 安卓最新版
v3.15 最新版
v6.667 安卓免費版
v3.337.8090 PC版
v3.647.6669 安卓版
v8.241.1999.457140 IOS版
v4.847.6618 IOS版
v5.316.5561.248995 安卓版
v8.363.7985.962083 IOS版
v1.232.5002 最新版
v5.801 安卓版
v4.510.4004 IOS版
v6.452.6629.483528 最新版
v5.665.2255.371873 安卓最新版
v4.520.3805.475360 安卓漢化版
v6.551.8568 安卓漢化版
v9.113 安卓免費版
v7.345.5826 PC版
v5.285.7068.410321 IOS版
v2.459.8846.129599 安卓版
v3.671.9231.936691 安卓版
v2.613 安卓漢化版
v9.246.2977 PC版
v9.270 PC版
v2.153.9747 安卓免費版
v1.927.6557.681805 安卓最新版
v9.599 PC版
v2.821.2350.463951 最新版
v6.114.9467.794350 安卓免費版
一级二级黄色片
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
黄片免费视频插逼
侮挫魔3.0汉化版下
三级免费在线黄色视频
高清 码 免费看四虎
www.黄色网.com
日韩国产欧美亚洲
一本久道无码DVD久道
一区 二区 三区视频
成片免费看片
米塔本子库的网站在哪
14may18_XXXXXL56edu409歌曲一
久久97人妻无码一区二区三区
深夜激情丁香五月快播
色就色综合网站
触手 伸进美女 里面
亚洲三级电影网站
国产福利资源在线了
我福利网站在线观看
色色色色色视
A级毛片无码免费久久真人动漫
欧美精品手机在线一级播放
中文字幕第28页
人人干人人上人人操
变态在线网站
❌❌❌自慰喷白浆调教游戏
亚洲桃色无码AV在线播放网站
性动态图AV无码专区久久
国产樱花视屏
呦呦网
鲁大师.m3.
哪里看黄色网站