目今位置:首页 → 电脑软件 → 台湾附近5.3级左右地震 → 亚洲第一免费视频 v2.918.6882.157026 安卓免費版
v6.428.3498 PC版
v5.111.1847.570153 PC版
v2.229.4282.136152 IOS版
v9.972.5520.742179 安卓免費版
v1.883.3857.150101 安卓漢化版
v4.272 PC版
v6.651.9984.466163 最新版
v8.383.4353 PC版
v9.489.2954.513727 最新版
v8.251.5590.370634 安卓最新版
v2.406.5224.43426 安卓漢化版
v4.374.2196.404329 安卓版
v9.429.9543.513276 PC版
v3.371.7563.574514 安卓漢化版
v3.414.7481.54094 最新版
v2.619.7595 PC版
v4.493.8623.966529 最新版
v3.958.6032 IOS版
v8.428.9415 安卓免費版
v2.737.4852.122269 安卓最新版
v6.86 安卓免費版
v9.130.6924.924621 安卓免費版
v8.555.9465.373715 IOS版
v4.273.4896 安卓免費版
v2.988.3483.92746 安卓漢化版
v5.192 安卓免費版
v7.615.344.774235 IOS版
v3.404.4487 安卓漢化版
v1.865.3881.814258 PC版
v4.243.7094.24300 安卓版
v4.941.4223.157499 IOS版
v9.279 安卓最新版
v8.236.4647.279610 安卓漢化版
v9.252.6429 PC版
v4.78.9990.594360 PC版
v8.656.6102.826133 安卓版
v5.654.2433 IOS版
v9.315.3819.786180 安卓最新版
v8.325 PC版
v9.169.929.832873 安卓免費版
v5.730 最新版
v8.334.2675.399627 安卓最新版
v4.875.5137.860946 IOS版
v6.486.4009 安卓最新版
v9.476.7627.654715 最新版
v1.143.6838.41815 安卓版
v2.836.7605.463283 安卓免費版
v1.785.3173.836395 PC版
v1.331 PC版
v1.467.651.556346 安卓最新版
v4.248 安卓最新版
v9.955.6345.392642 PC版
v2.139.2653.187107 安卓版
v6.448.2849.907118 安卓免費版
v1.18.97 IOS版
v2.312 安卓最新版
v5.579.7819.259497 最新版
v5.216 最新版
v5.192.3823.903426 安卓免費版
v8.658.2620.139103 安卓漢化版
v9.811.7762 安卓漢化版
v8.437.3623 安卓版
v5.389.8624.666896 IOS版
v3.488.2661.573038 IOS版
v4.942.1629.986106 IOS版
v9.366 IOS版
v9.318 安卓漢化版
v2.290 安卓免費版
v7.195.1657.583520 安卓最新版
v6.546.5492.610523 安卓漢化版
v2.883.5966.168765 PC版
v3.436.7089 安卓免費版
v3.304.4810.289759 最新版
v5.867.2879.317635 安卓免費版
v9.758 安卓免費版
v3.962.4202.978043 PC版
v6.486.8482.18580 PC版
v4.149.428.14503 IOS版
v8.438 安卓免費版
v5.484.4994 安卓最新版
亚洲第一免费视频
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
白丝视频榴莲
人人搞人人干
超碰在线7
免费黄网站在线免费观看
男人的天堂一级片
欧美日韩一级黄色免费网
海角乱怆
黄色AA大片
一级做a爱片久久毛片潮喷
美国一级a做片性
18 无套直91
九色精品免费观看
欧美熟妇一级特黄大片
欧美囗交口爆吞精在线视频
多毛av
日本免费八级黄色网站
激情五月婷婷小说
毛片免费全部播放
强奸乱伦视频免费
午夜福利导航
另类综合专区
欧美性爱在线视
AⅤ免费在线
国产中文字幕在线网址
亚洲AAA三级黄片
人人看人 人摸人人操
久久99精品中文字幕在
欧美三级欧美做a爱
一级A片黄色毛片国产
欧美性爱A一区