欧美精品网址,内容丰富,界面简洁,无论新手还是高手都能轻松上手

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗 ?中科院新基准给出谜底

2026-01-13 15:07:18
泉源:

猫眼影戏

作者:

周真平

手机审查

  猫眼影戏记者 欧阳锋 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:雷影大战纲手漫画免费阅读全集

??01月13日,香港研究指重症流感患者患急性肾损伤风险为新冠患者两倍,

信用卡逾期超三个月会怎么样?被起诉该怎么办?
,91popny九色在线最新地址。

??01月13日,重庆运营“智油充”超级充电站 实现一杯咖啡满电出发,

  “错,这个天下浩荡无边,你所看到的只是一隅之地。”柳神纠正,告诉他,尚有广袤的区域,在那些地方生灵众多。

,欧美欲理乱片在线观看不卡,jiujiuse在线观看视频,女人又爽又黄❌原神高潮合集。

??时势2:wwwzaixianavcom

??01月13日,警惕音乐会“水团”与剧院合谋割韭菜,

  三、坚持优异的心态。

,人妖专区,欧美日韩国产第一页,大鸡操肉洞洞。

??01月13日,大湾区海上互联互通提速 海事部门打出安全保障“组合拳”,

  然而,最终这个雄伟的老人横飞了出去,大口吐血,险些四分五裂,被击成了重伤。

,人人操人人毛片,久久中文字幕久久午夜,3D动漫美女性高潮视频。

??时势3:91国自产拍 精品

??01月13日,立秋后“热辣滚烫”超37℃ 成都民众妙招纳凉,

  关于每小我私家来说,生命都只有一次。而在现实生涯中,并非人人都具有较高的清静意识。据相识,我国每年约有1.6万名中小学生非正常殒命:平均天天有40多人,就是说险些天天有一个班的学生在消逝。其中溺水是造成中小学生意外殒命的第一杀手。有关专家以为通过教育和预防,80%的中小学生意外危险事故是可以阻止的。上周已经向每一位同砚发放了教育部的致天下中小学生家长的一封信,请同砚们与家长认真学习。在今天这个特殊的日子里,凭证上级通知精神及我校现真相形,特向同砚们提出以下几点要求:

,午夜无码A级毛片在线99,杨幂被我射到高潮,pornhub站免费入口网站。

??01月13日,中方:始终按照联合国人权理事会规则程序做好参加国别人权审议工作,

  “你们真差劲,着实难相处!”他黑着小脸,怨愤的说道,逃向神园外。

,芒果视频看黄免费下载,在线看国产日韩,欧美天天三级片。

??时势4:久久国产精品久久w

??01月13日,(乡村行·看振兴)5.1万亩山楂聚势成链 山西闻喜农文旅融合推进乡村振兴,

  “那是什么生物 ?”一个封印者惊疑。

?第一百五十四章 药田,夸克在线观看免费观看,18岁夜里爱爱视频长片,人人干人人操人人色吗。

??01月13日,中国香港男子足球队以2比0战胜广东队 取得省港杯首回合胜利,

  接着是小红鸟,带着漫天的火光冲出。

,男女刺激视频无遮挡,性爱图片 性爱视频 性爱小说,一 级 黄 色A片 网站。

责编:刘二泉

审核:保罗·祖昆福特

责编:姜德景

相关推荐 换一换

    Copyright (C) 2001-   dzwww.com. All Rights Reserved

    新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

    山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

    鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

    Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

    网站地图