草草草欧美一级大黄片,在这里发现兴趣,分享快乐,记录生活的每个精彩瞬间

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

2026-01-11 14:17:09
泉源:

猫眼影戏

作者:

尤勇

手机审查

  猫眼影戏记者 久利 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:长日光阴苏妙妙体育课

??01月11日,云南省人民检察院原副检察长韩跃先接受审查调查 ,

  武王败了!

,丝袜美腿无码专区岛国4K。

??01月11日,中山大学与深圳市将开展新一轮合作 推进深圳校区高质量发展,

  “老家伙多管闲事 ,这破旧的地方是一个牢笼 ,哪有什么少爷?通常那样称呼 ,不过是给他脸上贴金罢了。”门房中的两个西崽翻脸。

,把儿媳妇操爽,羞羞视频在线观看入口免费,男生 女生爽了。

??时势2:在线AAA精品

??01月11日,水果不宜加热吃……是真是假?|谣言终结站,

  许多人站立不稳 ,即便相隔很远 ,也遭受了攻击 ,口中吐血 ,横飞了起来。

,91精品一区国产高清在线,欧美性爱在线J,色哟哟二区。

??01月11日,律师解读仙剑四番位之争:双方合同均有效,

  一架飞往纽约的飞机上 ,一位富有的中年白人妇女被安排坐在一位黑人旁边。她怒目而视 ,而黑人却以微笑回应。白人妇女发性情 ,说不可忍受坐在黑人身旁 ,要求换位子。几分钟后 ,空服员回来了说 ,经济舱已经客满了 ,但头等舱尚有一个空位。并且她已经获得机长的特殊允许 ,他以为要一名旅客不应该和一个这么令人厌恶的人同坐。随后空服员转向那名黑人约请他到头等舱。马上周边的旅客热烈拍手。

,最新在线地址,裸乳玩胸60分钟,亚洲国产调教在线观看。

??时势3:国产原创无码视频在线观看

??01月11日,(巴黎奥运)启蒙教练谈冯彬:期待她更闪耀的一掷,

  搬血境初期拥有的破损力就已经很惊人 ,可以容易镇压石林虎、石飞蛟这样双臂一晃有五六千斤神力的人。

,国产黄在线视频免费观看网址导航,有黄有色视频网站,乱伦.www。

??01月11日,山西太原:年货市场进入消费旺季,

  早上好!

,日韩精品a免费一区毛片,免费观看a视频,娜美吃路飞棍子原版视频在线观看。

??时势4:越南未满禁片一级毛片在线看

??01月11日,绿色“一带一路”十周年创新理念与实践案例(一),

  “差池!”族长石云峰突然惊悚 ,此后急声道:“林虎 ,别急 ,狻猊的遗体何其有数与名贵 ,我想不但我们想获得 ,就是一些凶兽也在窥探 ,我们速退 ,不要先脱手。”

,火影忍者色情页面,亚洲人妻中文字幕在线一区,高小义和白小洁。

??01月11日,最高人民法院发布涉农民事典型案例,

  这种致歉 ,缺少至心。

?第一百八十五章 祭灵战,敖闰同人本,caopo国产,全国最大A片视频网。

责编:阿波罗

审核:博士克里斯托弗

责编:李佳悦

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