目今位置:首页 → 电脑软件 → 赵丽颖百花奖最佳女配角 → 欧美人人操人人干 v5.468.5992.691536 安卓免費版
v7.469.8741.300317 最新版
v5.393.477 安卓最新版
v6.482.4399.948508 安卓漢化版
v5.596.3248.501938 PC版
v8.649 安卓漢化版
v2.184.9684 IOS版
v3.268.5369 最新版
v5.437.2356.929254 最新版
v2.486.5331 安卓免費版
v1.258.1995.690448 安卓漢化版
v2.27.3715.444031 安卓免費版
v3.752.6296 安卓版
v2.385 PC版
v8.344.2934.319745 最新版
v1.216.28 最新版
v2.488 最新版
v3.125.9168.71651 安卓免費版
v2.730 PC版
v4.144.7678.614018 安卓漢化版
v8.648.3020.828118 IOS版
v5.5.117.442625 安卓免費版
v1.66.7886.62620 最新版
v3.317 安卓版
v4.728 安卓最新版
v3.249.6960.222914 安卓版
v1.874.3581.435365 最新版
v1.910.14.221656 安卓漢化版
v8.811.2062.118166 安卓免費版
v2.351.4735 安卓免費版
v8.842 安卓免費版
v2.550.5707 安卓免費版
v6.104.6799.411952 IOS版
v3.593 安卓最新版
v7.478.8763 最新版
v8.433.4552 PC版
v8.40.2866.863177 PC版
v6.828.3146.417882 最新版
v5.523.4486 安卓漢化版
v6.931.2592 安卓版
v9.1 最新版
v7.775.4954 安卓免費版
v9.224.8026 安卓版
v5.683.7935.974793 最新版
v5.928 PC版
v3.332 安卓免費版
v7.322.6778.411369 安卓免費版
v4.434.4405.305203 安卓免費版
v1.823 最新版
v1.855.7135.259607 PC版
v2.831 IOS版
v5.583.6006.752228 安卓版
v6.722 安卓免費版
v4.74.2949 PC版
v1.682 IOS版
v5.879.8518.407899 最新版
v9.270.3525 安卓免費版
v2.604.3838.984190 最新版
v2.627 安卓最新版
v5.889.9206.222006 最新版
v2.823.8624.168689 安卓免費版
v9.769.5150 最新版
v7.621.2135.488878 安卓免費版
v6.692 安卓免費版
v4.872.2125.281541 安卓最新版
v2.895.8358.966389 安卓漢化版
v4.764.9425 PC版
v4.13.9756.972781 IOS版
v1.422.8853 安卓漢化版
v1.599.2017.494013 安卓免費版
v6.962 PC版
v7.577.2500.650494 IOS版
v9.29.7435.627768 安卓版
v3.315.4085 安卓版
v8.641.8726.637771 安卓版
v1.280 安卓最新版
v7.872.1060.248396 PC版
v4.317.6904.890467 安卓漢化版
v7.347.1139 安卓最新版
v4.135.4568 安卓最新版
v8.380 IOS版
欧美人人操人人干
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
欧美国产性爱小视频
一级A片特爽高潮视频免费观看
欧美成年在线
欧美操人视频
都市激情自拍偷拍
午夜看片av免费网站
中文字幕日韩精品欧美一区
欧美乱xx伦xx妈妈
美女被❌到高潮喷出www蘑菇
国产艹艹艹
www欧美在线
51在线无码精品秘 入口九色
yy3133高清影院
a级免费观看
男人喝女尿秘 免费看
一级黄网站在线播放
黄片下载免费初中生
免费在线观看无毒美女a级视频
人人澡人人律人人爽视频
欧美熟妇一级在线
qq传媒在线免费观看完整版
免费国内精品久久久久久久
天天色视频综合网
在线播放黄色91