v7.691 安卓漢化版
v1.105 IOS版
v2.410.6134 安卓最新版
v7.279.9209.52944 IOS版
v1.747.9383.854240 PC版
v5.561.5368.556680 IOS版
v5.874.3704.266153 安卓漢化版
v4.330 PC版
v1.345 安卓漢化版
v3.164 IOS版
v9.370.1175 安卓版
v8.476 最新版
v9.448.2579 安卓免費版
v4.441.4623.177826 最新版
v9.448.4357 安卓版
v3.235.4997.30898 安卓最新版
v8.616.6281 安卓漢化版
v5.174.2656.965701 安卓漢化版
v6.536.6959.876777 最新版
v8.470 安卓最新版
v4.647.5464 IOS版
v9.422.1292.571264 安卓漢化版
v6.64 PC版
v4.625.4317.63197 安卓免費版
v6.14.8486.229016 最新版
v5.132.9063.901284 IOS版
v2.982.8393.868987 IOS版
v9.810.3321.477749 安卓漢化版
v8.697.590.631273 安卓版
v7.175.7094 最新版
v4.561.8404.110202 PC版
v5.530.1181 最新版
v9.823 安卓版
v7.690 最新版
v2.942.5722.917251 最新版
v9.953.720 IOS版
v9.921.4773.841477 安卓版
v8.88 PC版
v5.167 安卓免費版
v9.329.305 IOS版
v1.516.6048.195713 安卓版
v8.308.8485.63795 安卓版
v1.680 安卓免費版
v6.401.9137.965348 IOS版
v2.686.1727.832652 最新版
v7.280.1941.531614 PC版
v1.664 最新版
v1.70 安卓版
v5.594.7704.365112 安卓版
v8.426 安卓免費版
v5.485.3061.589669 IOS版
v5.846.401.389118 最新版
v9.542 安卓最新版
v4.852.7033.78005 PC版
v5.704.1804.35517 最新版
v3.866.6824.349302 最新版
v4.209.2266 PC版
v5.723 安卓漢化版
v9.861.5774 安卓最新版
v4.207 安卓最新版
v8.158.6263 IOS版
v9.368.8505 IOS版
v4.894.7533 安卓版
v3.871 PC版
v6.793 安卓免費版
v6.455.4200.781194 安卓版
v4.55.357.114995 安卓版
v6.155.6007 IOS版
v9.747.2438 安卓最新版
v4.164.5958.251747 安卓免費版
v6.382.3068 IOS版
v6.593.1904.609167 安卓版
v8.953.1947.476223 PC版
v7.821.7707 安卓漢化版
v2.86.8262.939399 安卓漢化版
v9.362.8903.925752 安卓版
v1.388.9595 安卓版
v2.764 安卓最新版
v2.570.6177 安卓最新版
v3.297.4709.469324 PC版
老婆和狗哪个了
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
国产又黄又爽不遮挡视频
WWWWXXXX
台北娜娜茶艺师旗袍vlog
A片β片毛片免费视频
九色最新网址
裸体裸乳被 免费看照片
最新国产黄色网站
操bav
裸体美女坐在男人脸上
美女真人A级视频免费看
日韩AV人人操
女闺蜜鞋袜调教女虐女
九九在线影视
国产真人作爱免费视频
一级黄色录像蛊一区二区三区
污污的黄色网站
美女张开腿让男生桶爽视频了
210fcc免费打开
小明永久免费视频2015
91草莓一级a在线观看
广东免费三级片
1314国产在线视频
把西施绑起来摸文章
黄色同人动漫