v5.498.5880 最新版
v7.981.8392 安卓漢化版
v7.818.9186.622505 PC版
v8.138.3020 安卓最新版
v4.362.910.681062 安卓漢化版
v3.972.3150.51477 安卓版
v9.892 安卓最新版
v6.730.3615 安卓漢化版
v8.219.2637 最新版
v7.704 安卓版
v6.480 PC版
v6.842.1474.688271 安卓漢化版
v6.873 安卓漢化版
v2.780.6299.548432 IOS版
v4.558.926.129026 安卓最新版
v4.615.6535 安卓免費版
v7.35.4848.891748 安卓漢化版
v2.826.9855.181388 安卓免費版
v5.676.4834 最新版
v9.750 PC版
v9.469.8890.971211 安卓漢化版
v3.364.2566.832096 PC版
v6.119.8444.217964 最新版
v4.784.9066.725990 安卓免費版
v4.508.1802 安卓漢化版
v5.123.6162 安卓版
v7.753 最新版
v8.921.2192 安卓免費版
v4.288.2902.958856 PC版
v8.200.8368.966021 安卓免費版
v4.752 安卓漢化版
v8.93.429.992680 安卓漢化版
v9.657.3056 安卓最新版
v2.426 安卓漢化版
v2.505.48.719750 安卓漢化版
v1.602.2265.112386 PC版
v4.716.743.918159 安卓免費版
v9.741.4827 IOS版
v8.561.3566 安卓免費版
v5.696 安卓免費版
v6.771.1935.202854 IOS版
v2.990 安卓版
v9.128.2808.445958 最新版
v1.121 安卓免費版
v8.209.6893.768716 PC版
v9.679.7603.117192 IOS版
v6.767.8276.275277 安卓免費版
v4.890.3521.596263 安卓免費版
v1.98.7094.645953 IOS版
v1.687.7915.517024 IOS版
v1.57.6125 IOS版
v8.456.5989.292420 PC版
v5.501 安卓漢化版
v8.435 安卓版
v4.918.9127.509654 安卓最新版
v9.775.6810.391483 最新版
v3.528.8230.259577 安卓免費版
v9.404.1818.474255 安卓最新版
v5.89.4197.110096 PC版
v7.340.9360 IOS版
v5.487.7285 IOS版
v7.741.8175.592140 IOS版
v9.126.5005.524567 安卓最新版
v4.943 PC版
v4.465 安卓版
v9.993.6451.339063 IOS版
v6.34.6588.885196 PC版
v6.793.6801.526618 IOS版
v5.822 安卓免費版
v3.195.5600.485556 安卓免費版
v7.658.2471.158954 安卓版
v5.952.4004 安卓版
v3.395 IOS版
v5.988 安卓最新版
v5.172.7728 安卓漢化版
v9.9.6437 PC版
v7.825.4319.916201 安卓漢化版
v7.349.6043 安卓漢化版
v3.333 安卓最新版
v6.212.3230.384454 安卓免費版
操骚逼视频
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
林黛玉的乳头图片大全无遮挡图
精品视频一区二区在线观看
电影717在线观看欧美
91 pom国产熟女
玖玖草在线视频
在线永久免费观看黄网站不用下
欧洲人激情毛片无码视频
扒开女人下面使劲捅
图片区精品综合自拍
高清国产一区二区三区福利
欧美美女被操到高潮
青草综合在线
扒开腿添十八 视频免费
八重神子插到腿软射精
国产九九视频一级毛片
很黄的免费黄色视频
精品国产久九九
在线观看 禁无码精品软件学生
国产第二十页
露脸97年校花女神口爆
国精产品视频一二二区视频完整版
国产精品久久久久精品最新
9.1网站免费登录官方版下载
黄色欧美片x x x x x
瑜伽裤自慰
欧洲成在人线免费视频a
在线 se
一黄色毛片
一级AAA特黄AⅤ片在线观看
在线观看人成视频免费