目今位置:首页 → 电脑软件 → 明星走红毯手机放哪儿 → 小黄片一区二区 v7.477 IOS版
v4.497 IOS版
v7.860.3015 安卓免費版
v2.85.65 安卓版
v4.527.6237 安卓最新版
v3.522.9074.953096 安卓免費版
v8.219.5579.335205 IOS版
v1.565.3554 安卓最新版
v8.437 安卓版
v2.932 安卓最新版
v6.869.6344.809927 PC版
v6.39.3696.185251 PC版
v9.935.4046.620237 安卓漢化版
v6.860.8043 安卓版
v6.167 安卓最新版
v3.446.1237.306464 安卓免費版
v9.656.4304 IOS版
v4.864 IOS版
v6.451.8421.112087 安卓版
v4.498.8966 安卓漢化版
v7.939.9900.49326 安卓漢化版
v9.823.3433 安卓免費版
v8.837.7579 IOS版
v2.214 安卓漢化版
v7.778.5975 安卓漢化版
v3.93.2756.423692 PC版
v9.73.6429 最新版
v1.773.5296.414867 PC版
v5.175.3090.905714 安卓版
v9.622.2770.434388 安卓漢化版
v4.404.3897.160581 PC版
v2.609 IOS版
v6.827.4586.894740 安卓版
v2.563.3470.123258 PC版
v4.414.5506.782178 安卓版
v3.684 安卓版
v4.476 最新版
v2.105.4855.409434 IOS版
v8.139.6864.721835 IOS版
v5.800.778 PC版
v3.282.3237.640282 PC版
v5.10.2051.670358 PC版
v3.642.8881 PC版
v6.84.6275 安卓漢化版
v8.342 安卓免費版
v8.302.8636 IOS版
v6.631.4637.808302 最新版
v3.436.5596.630606 安卓版
v3.144 最新版
v9.59.2821.859455 安卓漢化版
v5.161.6443.34366 安卓免費版
v8.838 安卓最新版
v7.858 安卓免費版
v4.890.3427.227088 安卓最新版
v5.691.7391 安卓免費版
v3.768 PC版
v1.928.3251.666452 最新版
v5.140.8791 安卓免費版
v8.960.7175.600759 安卓漢化版
v5.742.3909 安卓版
v9.272 安卓最新版
v7.649.362 安卓版
v3.257.1793.457765 安卓版
v7.729.9887 安卓免費版
v1.620.652 安卓最新版
v7.855 最新版
v2.949 安卓漢化版
v6.115 最新版
v4.208.1070.476626 安卓免費版
v8.952.7599.840954 最新版
v6.915.3687.938935 最新版
v7.443 安卓漢化版
v7.422.2723.777205 PC版
v4.815.4888.375781 最新版
v5.57.3010.487906 最新版
v2.596.5609.272322 安卓版
v2.910 最新版
v7.182.7064.504424 安卓漢化版
v2.798.2124 PC版
v3.322.488.522144 安卓免費版
v1.500.7844.357575 PC版
小黄片一区二区
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
操你妈AV
抓住貂蝉的两个大球球主题曲
www.91色😍萝网站樱花在线观看官方正版
馃崒馃崙馃崋馃崙
礼包共享小鲤导航
国产AV无码片毛片一级应用
鲁大师免费版下载
蘑菇跪床 被 网站
亚洲桃花综合白云
高清无码不卡一区二区
免费观看欧美一级牲交大片
国产普通精品久久
angel yeah小樱鸣人
国产精品无码AV在线毛片
成人H秘 小说在线阅读老师
毛片黄色网址
蜜桃臀巨乳喷浆
tx031.7v
欧美精品A片一区二区
亚洲国产AV人奶水出来了
国产国产国产亚洲福利
殴美老妇性交在线观看
抖音百万粉丝星野和光头哥的视频是
中国一级特黄大片久久在看
久久99国产精品23
欧美巨大