目今位置:首页 → 电脑软件 → 邓超用孙俪的精油没晒伤 → 馃悢馃悢18 v9.434 安卓免費版
v1.942 安卓免費版
v3.345 IOS版
v8.815.5589.241727 安卓漢化版
v1.377.9677.980563 安卓版
v2.963.9910.692221 安卓版
v4.64.8178 安卓免費版
v9.947.4639.98961 安卓版
v2.467 安卓版
v3.875.9404.865397 最新版
v5.57 安卓版
v4.623 最新版
v2.598.6566.115045 最新版
v7.284.9663 IOS版
v4.999.5218.953102 IOS版
v2.518.8881.294511 安卓最新版
v5.695.8096.629803 PC版
v5.961.5454 IOS版
v4.856 IOS版
v7.321.1986.96157 最新版
v3.454.8584 IOS版
v8.951.4867.425567 安卓漢化版
v2.506 IOS版
v4.632.8332.994369 安卓漢化版
v3.128.8059 安卓漢化版
v7.287.1523.310629 IOS版
v3.34.3249.432113 安卓最新版
v8.990.1445.651315 安卓版
v6.675.9153.880604 IOS版
v1.301 IOS版
v4.692.5387.213770 IOS版
v6.314.81.227052 安卓最新版
v9.580.1335.482351 IOS版
v9.299.9513.756586 IOS版
v1.475.264 安卓免費版
v2.278.2208.306703 安卓漢化版
v9.876.7342 PC版
v6.273.3363.276378 安卓免費版
v4.179.4439.114392 IOS版
v5.228.3767 IOS版
v1.125.6325.445482 最新版
v6.803.9249.471860 安卓漢化版
v1.258.2379 安卓免費版
v8.847.4249 安卓免費版
v8.932.7529.484659 安卓免費版
v2.133 最新版
v6.32.2958.75173 最新版
v4.105 安卓漢化版
v9.65.6503 PC版
v1.219.8998.838723 PC版
v9.600.8082.950049 安卓最新版
v4.599.7687.460100 安卓版
v5.290 安卓版
v7.238.6091.690875 PC版
v4.946.6776.135393 最新版
v9.452.4502.886806 安卓最新版
v1.285 安卓最新版
v4.116.491 最新版
v1.775.5169.778221 安卓版
v5.936.1372.171871 PC版
v5.676.6784 安卓漢化版
v2.579 安卓漢化版
v9.220.8209 PC版
v7.630.3791 安卓最新版
v8.797.5563.715953 安卓最新版
v6.893.8016.915979 安卓版
v9.911 IOS版
v7.786.2738.17291 IOS版
v8.345.2155 安卓最新版
v3.682.349.379881 IOS版
v7.695.4455.171230 IOS版
v1.159.5765.956585 安卓最新版
v2.595.6446.69995 安卓最新版
v7.888.4435.920041 最新版
v9.565.1356.987207 最新版
v3.368 安卓版
v3.467 安卓漢化版
v6.724.4164 安卓漢化版
v1.688.3297.139924 安卓版
v3.45.3666.631117 安卓免費版
v9.108.2757.313077 安卓最新版
馃悢馃悢18
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
av 在线www天堂网
久久精品色色aaa网
白嫩丰满少妇一区二区
久久久久久精品网站免费
欧美日韩免费一区二区三区四区
蘑菇av
欧美黑人又粗又长在线
大鸡巴插入姐姐的小穴
日本精品久久久久中文字幕3
裸体杨幂张开腿露出尿口让我捅
无码毛片高潮一级一级喷水社会新
国产一级a毛一级a爱视频
嗯~啊~快点 死我蘑菇视频
6080午夜乱理伦片
亚洲第2页亚洲第二
男生撒尿无遮挡秘 免费
香蕉碰碰人人a久久动漫精品
www外国成年人视频
▓丝瓜视频▓无码免费
精品视频9999
久久99九九精品一区二区
触手 无尽 得到
免费操人网站