目今位置:首页 → 电脑软件 → 撞王楚钦的瑞典女记者被处罚 → 精品国产专区91在线高清 v2.495.346 安卓漢化版
v7.755.6570 安卓漢化版
v2.540.6951.931031 PC版
v6.628 PC版
v5.300.302.652511 安卓漢化版
v1.528.4126 IOS版
v4.139 安卓最新版
v4.572.5865 安卓免費版
v7.478.7139.221661 最新版
v1.270.2678.60295 安卓免費版
v2.112.8837 IOS版
v6.537.3154 IOS版
v1.523.7181.310107 安卓版
v2.832.2880 最新版
v3.713 安卓免費版
v6.495.1448 安卓版
v3.158 IOS版
v5.863.2036.523229 PC版
v8.513.4912.969452 安卓免費版
v2.767.4842.375010 安卓漢化版
v6.483.1528 PC版
v2.816.4330.234276 PC版
v8.439.1451.831622 安卓最新版
v6.745.4409.193014 安卓漢化版
v4.774 安卓最新版
v3.691.5432 IOS版
v4.64.2682.374518 安卓免費版
v9.737.7509.581507 安卓版
v4.200 安卓免費版
v8.424.7892.150931 IOS版
v3.155.8025.807328 PC版
v6.916.6312.762489 安卓漢化版
v3.88.7520 IOS版
v9.638.1788.970152 安卓最新版
v8.739 最新版
v9.388.38.924900 安卓免費版
v6.93 最新版
v8.753.8224 IOS版
v2.227.5584 最新版
v5.100.1288.475012 安卓最新版
v6.671 最新版
v5.31.986 安卓最新版
v7.15.310 IOS版
v7.988.579 安卓免費版
v1.152.5327.617214 PC版
v2.81.5527 安卓最新版
v9.796.6668.795377 安卓最新版
v7.205 IOS版
v2.77.3072.903895 最新版
v4.767 安卓免費版
v8.200.3747 PC版
v9.54.5986.71023 安卓免費版
v4.205.650 最新版
v6.832 IOS版
v1.226.5789 安卓免費版
v6.875.7471 IOS版
v5.74 最新版
v9.222.4731.257078 安卓版
v4.627.7890 安卓最新版
v8.511.6999.33566 安卓版
v6.88 安卓最新版
v6.318.7062.576491 安卓最新版
v1.694.3767.363731 IOS版
v9.435 安卓漢化版
v2.485.4446.438904 安卓免費版
v1.859.5226 安卓版
v8.726.9292.826956 安卓漢化版
v8.263 安卓免費版
v7.733 安卓最新版
v9.262.4707.67648 最新版
v7.70.7785.274374 安卓漢化版
v4.665.3809.857365 IOS版
v5.534 IOS版
v1.51.8900 IOS版
v4.927 最新版
v5.774.2930 安卓版
v5.764 安卓漢化版
v2.566.518.805312 最新版
v5.889.7416.185151 安卓最新版
v6.494.6278 安卓最新版
v6.981 安卓版
精品国产专区91在线高清
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
欧美超碰在线
免费欧美性爱一级视频
男生把女生困困的视频动漫
爱情岛vip永久入口图片
av资源
国产精品无码免费专区
强奸视频在线免费看
特级毛片A片全部免费网站
免费下载
日本最大三级网站在线观看不卡
欧美黄色片一级
欧美一级视频网站入口
抖阴成年版
在线观看av外国
18🈲女人两腿扒开喷水网站官方版
www.anqula.com
欧美在线精品免播放器视频
久久久久久免费无码
蝌蚪视频在线免费播放
AV.jyl
午夜福利乱码电影中文字幕
男被 c 黄扒衣服做小电影
欧美业余性爱