目今位置:首页 → 电脑软件 → 结婚前一定要知道的几件事 → 欧美搞BB v5.134 安卓版
v1.323.8860 安卓版
v2.269.9442 最新版
v6.598.28.724436 安卓漢化版
v8.9.9259.847050 安卓版
v8.140.9798.504671 IOS版
v8.319.8219.262464 安卓漢化版
v3.375.8834 安卓漢化版
v2.274.7532.121366 安卓版
v1.868 PC版
v5.285.9167.963287 PC版
v4.298.2881.805699 安卓最新版
v3.342.298.161571 PC版
v4.439.7801 安卓漢化版
v5.945.2927.132038 安卓最新版
v3.163 安卓免費版
v9.187 PC版
v5.97 安卓免費版
v8.562.2621.542478 安卓版
v1.366 安卓漢化版
v2.634.9550.202553 安卓版
v4.788.7804 安卓最新版
v4.233 PC版
v2.234.110.432194 安卓漢化版
v2.674.7024 安卓免費版
v6.983.899.167044 PC版
v1.811 安卓最新版
v6.513 安卓最新版
v9.96 安卓版
v5.631.2092.315950 安卓最新版
v6.667.4501.436722 PC版
v7.275.5350.858623 安卓免費版
v3.611.7870.280117 安卓版
v7.668.7719.552080 安卓漢化版
v5.478.2958.393211 安卓漢化版
v4.976.8603.395940 PC版
v4.671 安卓漢化版
v6.196.1730.237164 安卓免費版
v3.979.5810.816120 PC版
v9.410.1874.431147 IOS版
v6.32.9975 最新版
v9.519 最新版
v8.473 安卓版
v1.212.6041.171750 安卓漢化版
v9.833 IOS版
v4.283.2998 IOS版
v9.410.1338.275080 PC版
v8.883.6865 安卓最新版
v9.390.9219.373176 安卓最新版
v4.820.6665 IOS版
v5.695.3450.57857 安卓版
v6.641 IOS版
v3.274.8289.145872 安卓免費版
v1.276 安卓最新版
v5.568.7532 最新版
v1.191.1204 PC版
v1.87 安卓版
v7.725 安卓版
v9.104 安卓最新版
v4.760.1101 IOS版
v5.807.824.704077 安卓漢化版
v5.976.9850.501766 安卓漢化版
v8.318 安卓漢化版
v1.299.4797 IOS版
v5.130.378.711594 安卓免費版
v9.356 安卓最新版
v7.11 安卓最新版
v8.685.8495.623093 IOS版
v8.603 IOS版
v6.68.7928.618033 安卓漢化版
v3.322 安卓漢化版
v4.615.7394.857783 安卓免費版
v5.428.1922.75982 PC版
v5.848.6704.237727 安卓最新版
v6.816.9229.385197 安卓漢化版
v6.568 安卓漢化版
v5.770.5672.442730 IOS版
v7.66.6094.200827 安卓版
v6.903.7842.511330 安卓漢化版
v6.571 最新版
v8.853.3013.886420 PC版
欧美搞BB
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
操屁视频在线
美女网站一区二区
美女浣肠秘 视频免费看
乱辈亂倫大雞巴亂交小说
韩国主播最惊艳的舞蹈视频
大雷被玩到求饶视频全集完整版
www天天综合视频
91在线看乱人伦
精品色哟哟哟国产在线观看
欧美日韩精品一区二区免费
一本本大道长久视频在线观看
国产毛片一级无码视频
被老师强行双龙破苞H
新婚夜婬荡交换乱婬H视频
欧美激情四射xXXX888
欧美R18在线
日韩国产欧美精品
三级片色色色国产免费观看
欧洲老熟女AAAAAA
黄色视频久久久久
綜合久久
婷婷第一区欧美色图
日屄在线
戴尔塔被c到高潮下不了床
在线特级黄片
朱竹清被 到爽 高潮广告片
特级毛片aⅴ视频
yeonwooins图集
亚洲精品乱码久久久久久v
国内精品mv视频在线观看
久久久久精品视频