v2.427.7820.173610 安卓最新版
v5.448.8617.922402 安卓版
v4.766.6737 安卓免費版
v8.942.9696 安卓最新版
v8.158 IOS版
v8.541.8980.689976 安卓版
v2.239.981.937671 最新版
v1.903.998.810902 安卓漢化版
v3.278.7781.579357 安卓漢化版
v4.164 安卓最新版
v3.847.6571.976564 最新版
v8.738.14 安卓漢化版
v3.610 PC版
v8.414.9337 安卓最新版
v5.32.3049.906181 PC版
v2.216.6521.650596 安卓免費版
v8.853.3077 PC版
v4.520.7680 安卓免費版
v8.47.6448.967804 安卓最新版
v5.197.2626.144100 安卓漢化版
v4.819.2421.356744 PC版
v1.30.1093.356831 PC版
v9.767.5655.647909 安卓版
v7.752.2302.682832 IOS版
v7.544.7330.745164 最新版
v3.741.6550.57465 最新版
v8.926 安卓最新版
v3.952.6816 安卓版
v4.998.2005 安卓漢化版
v9.242.5046.879061 安卓漢化版
v9.372.7627.247570 最新版
v7.247.123.932479 最新版
v6.863 IOS版
v2.295.2124.198499 安卓最新版
v4.348 安卓免費版
v5.424.9304.674218 最新版
v1.145.1034 安卓免費版
v2.231.9832.298985 PC版
v6.526 安卓最新版
v7.927.5022.719410 安卓漢化版
v8.318.7623 安卓版
v2.158.8493.373903 安卓最新版
v1.694.2116.312797 PC版
v9.386.5023 安卓漢化版
v8.567.7049.562751 安卓最新版
v8.646.2337 安卓漢化版
v7.45 安卓漢化版
v7.122 安卓漢化版
v7.892 最新版
v6.36.6609.125956 安卓最新版
v6.897.324.345469 安卓免費版
v6.259 安卓免費版
v8.308 安卓免費版
v9.542.697.911054 IOS版
v5.410.9139 最新版
v5.258.1042 安卓版
v5.729 IOS版
v4.852 安卓最新版
v8.893 安卓漢化版
v9.688.1636 安卓免費版
v7.176 安卓版
v8.735.4624.557583 安卓最新版
v7.517 安卓漢化版
v6.92.4134 IOS版
v9.445.931.643477 安卓版
v6.659.4351.172743 PC版
v5.341.3177 最新版
v9.739.2694.297121 安卓最新版
v6.297.5344.251739 安卓免費版
v1.250.1557.661988 PC版
v5.892.8407 IOS版
v5.749 最新版
v5.736.5955 PC版
v6.78 安卓漢化版
v2.43.8771.418761 安卓版
v7.540.3419 安卓漢化版
v1.332.5066.127752 安卓最新版
v8.177 安卓免費版
v5.635.828 PC版
v3.90 PC版
久久精品中文字幕av
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
人人射人人操人人射人人操
二次元人物桶二次元人物免费网站网页版
日韩视频一区二
www.亚洲欧洲
白浆
日本在线观看www
观看国产免费黄片视频
久久精品国产一区二区三区日韩
亚洲人无码r18黄色视频
老熟女阿 国产91
无码com在线
18岁毛片A片
有码一区
ww.comww黄色片
亚洲黄色视频一道本
变态黄页面免费网址大全
4455最新免费网站视频
用女生袜子套几几
国产黄视频色
亚洲国产A∨无码中文电影
一级aⅴ片
快添添我下面我受不了
夜鲁
51cg最新ip地址是多少8,8.210,8.210.99
扌斗阝月短视频
一级二级毛片免费看不卡