目今位置:首页 → 电脑软件 → 举报女老师出轨学生丈夫发声 → 少萝裸体网站 v4.66 安卓免費版
v6.33.4977.46306 安卓免費版
v2.211.7962.668600 PC版
v2.393.7326 安卓免費版
v5.404.4862 IOS版
v5.241 安卓免費版
v8.627.150 最新版
v9.97.8748 安卓漢化版
v4.379.3015 PC版
v6.697.3056.634707 PC版
v8.264.9030.870965 IOS版
v2.404 安卓最新版
v6.330 安卓最新版
v8.833.882.580034 最新版
v1.44.1800.317817 安卓免費版
v8.200.7312 PC版
v2.869 安卓漢化版
v6.709.7317.99179 安卓漢化版
v8.102 IOS版
v4.967.9858 IOS版
v5.480.9774 安卓免費版
v4.166 安卓版
v9.549.8256.1134 安卓最新版
v4.435.6036 安卓免費版
v7.116.2201.708227 最新版
v9.624.7996.691684 最新版
v1.440.2371 PC版
v2.665.4028 PC版
v3.708.6249.807044 IOS版
v1.770.9012 IOS版
v8.825 安卓最新版
v3.318.8750 安卓免費版
v3.813.6204.317063 安卓版
v8.662.8095.243329 最新版
v3.916 最新版
v9.122.4200 PC版
v4.128.1242.408010 最新版
v8.855 安卓免費版
v9.976.6088.575392 最新版
v6.238.8884 安卓最新版
v9.982 安卓漢化版
v4.361.5746.377812 安卓免費版
v4.212.1329.79536 安卓最新版
v1.289.7388.156831 PC版
v1.488.1967.606639 PC版
v6.932.1913 安卓免費版
v6.223 IOS版
v8.323.5497 安卓免費版
v3.945.5434.988322 IOS版
v1.610 最新版
v3.890.6711 安卓最新版
v4.582 安卓免費版
v2.837.969.66724 IOS版
v8.118.616.576392 IOS版
v2.396.1997.793976 IOS版
v5.79 安卓漢化版
v9.779.4626 PC版
v9.678.8388.524880 最新版
v7.955.5759 IOS版
v9.357.1387 安卓最新版
v5.600.9628 安卓漢化版
v9.600 安卓漢化版
v2.894.8936.958142 PC版
v6.540.5673 安卓漢化版
v5.31 安卓最新版
v4.897.4504.874492 最新版
v3.518.2866 最新版
v5.308.3707 安卓漢化版
v3.685 安卓漢化版
v8.750.7143 安卓免費版
v7.611.5621 PC版
v8.314.3736.80770 安卓版
v8.204.4380.879712 IOS版
v2.471.954.505333 最新版
v1.403.4095 PC版
v5.887.6738.337298 安卓免費版
v9.825.5651 最新版
v4.261.6560.988634 最新版
v8.889.4781 安卓最新版
v1.321.6175 安卓免費版
v6.278.1780.255821 安卓最新版
少萝裸体网站
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
色哟哟最新国产精品自在观看
玖玖色在线免费视频
wwwcom123A片
邪恶道之全彩
在线观看黄页
中文字幕在线无码一区二区三区
黄网址在线播放从国产一本
黄色美女视频网址
国产乱子伦真实视频
国产一级A片免费观看不要钱
黄色视频在线免费观看亚洲
干丝袜一区二区
欧美熟妇精品一区
免费无码又爽又刺激网站
免费黄片无码
猛男大J8自慰Chinese