目今位置:首页 → 电脑软件 → 老王杯小予神开团鹿小鸣 → 人人艹 人人摸 v2.178 安卓免費版
v6.550.8144.53414 安卓版
v2.702.4537 安卓免費版
v7.528.3129.108831 IOS版
v6.201.2885 PC版
v5.165.6601.437948 安卓最新版
v9.247.361.12725 安卓版
v6.475.7264.804160 安卓漢化版
v6.151 安卓版
v2.366.2325.907011 最新版
v7.745.6593.717150 IOS版
v8.481 安卓版
v2.563 安卓漢化版
v3.42 PC版
v9.949.8699 安卓免費版
v3.239.5841.857818 安卓免費版
v5.136.2906 安卓漢化版
v3.203.9107.507445 PC版
v6.785.7104 安卓最新版
v4.718 安卓最新版
v2.9.4553.476133 安卓漢化版
v1.244.2619 安卓最新版
v5.256.716.673449 安卓版
v2.283.386.917877 安卓漢化版
v5.764.6594 安卓最新版
v7.955.4534.244117 安卓最新版
v8.508.419 安卓版
v5.721 IOS版
v3.655.7842 安卓免費版
v5.313.1762 最新版
v5.918.9677.320868 PC版
v1.57.9870.884569 IOS版
v6.251.9050 安卓最新版
v2.280.2746 安卓版
v6.341.3408 IOS版
v3.789 安卓最新版
v5.159 最新版
v9.92.3502 最新版
v4.101.5900.848006 安卓漢化版
v8.916.188 安卓版
v2.486.1144.698528 安卓漢化版
v1.281.2184.87170 安卓最新版
v4.22 PC版
v1.460.9728.641917 安卓免費版
v3.236 安卓漢化版
v1.58.1215.766064 IOS版
v2.179 IOS版
v1.343.3669.585434 安卓免費版
v8.407.2426 安卓漢化版
v9.709.3200.733909 最新版
v7.784 IOS版
v6.216 安卓最新版
v8.571.37.290560 PC版
v2.652.9049 安卓最新版
v2.772 安卓免費版
v6.42 IOS版
v9.409.9300.678793 IOS版
v6.419 安卓最新版
v3.871 安卓免費版
v5.804.1762.229846 安卓漢化版
v8.466.4342 安卓免費版
v7.948.6330 最新版
v4.7.2116 安卓最新版
v4.321 安卓漢化版
v3.395.686.681196 安卓漢化版
v3.495.3957.335005 最新版
v7.40.1579.965259 安卓最新版
v7.320 安卓免費版
v8.979.5102.772150 安卓版
v7.309.7540.110949 安卓版
v9.108.9759.83728 安卓最新版
v6.426.9933.993386 安卓免費版
v6.886.3014.41730 最新版
v2.921.5707.589495 最新版
v2.831.5897.225005 安卓免費版
v9.460.3069.632815 安卓版
v7.109.5512.460679 安卓漢化版
v8.503 IOS版
v2.200.1472 安卓版
v5.776 IOS版
v5.942.480.846503 安卓版
人人艹 人人摸
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
伊人手机在线观看
东方铁心
玖辛奈被扒开腿狂 narutu
17C别告诉妈妈
日产国A片色多多
人成xx
打屁股视频 网站
时间静止像素v3.0汉化版下载
香港日本三级在线
99在线精品国产不卡在线观看
馃崒馃崙馃悢
国产三级精美国产
孕育的摇篮之卵安卓版游戏
老熟女囗交吞精视频
成人H秘 小说在线阅读老师
欧美性爱之口交
欧美日韩大码精品免费
国产精品拍拍拍拍2020
大乳女被狂揉gif动态图图片
国产成人瑟和尚久久久久
ww日本
芙宁娜被 扒衣服漫画
二个黑人干一个妇女视频
九色精品视频
十八 车
超级97人妻免费视频
馃崒馃惢馃崙
三级黄色老熟女视频网
全部裸体做爰大片