目今位置:首页 → 电脑软件 → 拉塞尔44分湖人击败雄鹿 → 精品国产91久久久久久久图片 v8.370.3526 IOS版
v8.531.4507.439879 安卓最新版
v6.294.7284 安卓免費版
v9.964.8440.786617 最新版
v1.213 PC版
v5.12.6131.218735 安卓版
v8.807.3700.603235 安卓最新版
v7.373.1184 IOS版
v5.878.6535.59523 安卓最新版
v4.187.3896.840688 安卓漢化版
v3.417.7759.875405 安卓免費版
v6.12 IOS版
v1.873.7694.30424 PC版
v6.772.737 最新版
v4.218.9160.503941 最新版
v8.104.9531.885408 最新版
v9.955.3267 PC版
v1.84.7061 安卓最新版
v3.494 安卓漢化版
v2.192 安卓漢化版
v4.778 安卓版
v5.405.1857.200742 IOS版
v8.733.6667.689382 安卓版
v2.230.3480.457607 最新版
v2.321.180 安卓版
v8.580 安卓版
v1.673.3190.33605 PC版
v7.184.6575.785501 安卓漢化版
v2.719.9407.4463 安卓免費版
v4.527.3791 安卓最新版
v4.416.4364.547393 安卓最新版
v1.209 IOS版
v1.955.2474.588822 安卓漢化版
v4.993.9902.740408 安卓漢化版
v1.208.3847.836056 IOS版
v8.761.2355.929053 安卓最新版
v1.352.5977 安卓免費版
v2.778.5624.263703 安卓最新版
v6.713.4620 PC版
v4.119.3538 安卓免費版
v9.918.647.768802 安卓免費版
v4.368.4238.145005 最新版
v5.71.1529.370687 安卓漢化版
v6.717.1001.583373 安卓版
v6.510.8815 最新版
v5.504.3321.903595 PC版
v1.314 PC版
v4.292.3416.412488 安卓最新版
v2.438.3745.838137 安卓漢化版
v6.529.3834 IOS版
v7.175 安卓版
v9.362.2182.128826 IOS版
v9.221.9990 安卓版
v7.150.7554.738487 PC版
v8.9.4655.893154 安卓版
v7.289.5878.935130 安卓漢化版
v8.775.378.828054 安卓最新版
v2.531.6150.325645 IOS版
v5.499.3786.871973 PC版
v9.860.5514.405970 安卓免費版
v9.365.7759.473672 安卓漢化版
v5.502.7087 安卓版
v2.316.512.172685 安卓免費版
v6.380 最新版
v7.58.2602.175158 安卓漢化版
v3.289.8766 安卓最新版
v5.173.6312.550159 PC版
v6.793.1609 最新版
v5.442.2067 PC版
v5.933.5820.704877 最新版
v9.598.601 IOS版
v4.9.2080.705301 PC版
v7.855.1258.596336 最新版
v1.659.1149 安卓版
v5.973.6856.489313 最新版
v6.503.1681 安卓免費版
v7.474 安卓最新版
v8.438.6340.197808 最新版
v4.739 安卓漢化版
v3.44.1840 安卓最新版
v7.233.422.692120 安卓免費版
精品国产91久久久久久久图片
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
欧美性69⭕⭕⭕⭕在车里
埋导演作品
撕开 吸奶头 进 拨萝卜
色一区影院在线
国产真实偷人视频网址
91毛片网
免费AA A三级片 黄片免费 色色色色
成年人看黄色网站视频
黑人把逼操出水的视频了
在厨房被肉倒出禁高H
叶山小百合与黑人
国产韩国精品福利小视频
www.3333kkkk.com
性爱专区欧美
欧美大肥婆一级特大AA片
欧美强奸乱伦视频
欧美AAAAA级黄色大片免费观看
被滋润的少妇疯狂呻吟
www.773c.cn免费网站app入口
黄色直接看视频欧美
男男被 到爽 无套作文
国产一级的黄色网站
deepseek成人板
九色视频国产色系视频在线观看
成年丰满熟妇午夜免费