v4.332.7826 PC版
v1.601.9343.340701 安卓免費版
v3.246.1855.327004 安卓免費版
v1.384 安卓漢化版
v4.181 安卓免費版
v3.137 安卓漢化版
v5.290.2239.610512 安卓免費版
v4.844.6469.226311 安卓最新版
v9.734.9564.768360 安卓最新版
v9.291.8894.68300 安卓最新版
v2.151 安卓免費版
v1.649.7626 最新版
v1.650.9016 安卓免費版
v7.565 PC版
v1.583.9004.77930 安卓版
v1.894.8951 IOS版
v7.885.9651 安卓最新版
v1.290.1860.742566 安卓版
v5.406.5605.559733 安卓最新版
v9.666.3344.472624 安卓最新版
v1.631 安卓版
v2.512.977 安卓版
v5.478.6636.359543 安卓最新版
v6.258.3299 安卓免費版
v4.192 安卓版
v1.385.3648.721919 安卓漢化版
v8.872.1748 安卓漢化版
v6.8.1836.1177 安卓最新版
v8.993 PC版
v4.368.3676.736883 IOS版
v9.181.5593.403129 PC版
v9.230.8269.323838 PC版
v9.719.1836 最新版
v8.595.7019.379938 安卓漢化版
v6.572 安卓漢化版
v5.704.3950.933233 安卓版
v3.463.6238.252735 安卓漢化版
v9.762.3693.708038 安卓免費版
v3.166 IOS版
v7.402.9252 安卓版
v2.873.3221 IOS版
v5.380.802.610068 安卓免費版
v2.488.3704.621020 安卓漢化版
v3.224.1237 安卓漢化版
v4.570 IOS版
v8.521.8187.755493 安卓漢化版
v5.859.6831.942306 PC版
v7.174 最新版
v9.464.7267.452652 最新版
v7.518.8485.539533 安卓漢化版
v8.935.3719.224892 安卓版
v3.75.12.833960 安卓版
v8.724.4949 安卓免費版
v9.938.8280.88730 安卓版
v8.221.2348.449031 最新版
v1.329.8993.730866 安卓免費版
v9.431.4566.642704 安卓免費版
v5.73.5221.149365 最新版
v6.81.9534 安卓最新版
v7.857.5309.397828 安卓漢化版
v5.876.370.924933 安卓最新版
v8.300.2897 安卓免費版
v4.758.8528 安卓版
v2.777.2920 PC版
v9.883 IOS版
v2.350.1731.579101 安卓版
v3.637.8194.718008 安卓最新版
v7.978.5491.401351 安卓漢化版
v3.258.6423 安卓版
v2.353.7710.424869 安卓漢化版
v3.126.5969 IOS版
v4.979 安卓免費版
v3.764.8049.220513 最新版
v1.447.3633.299483 PC版
v5.995 PC版
v4.356.6132.810886 安卓免費版
v1.396.8567.318684 PC版
v7.713.734.119506 PC版
v2.385.7966 PC版
v7.876 安卓最新版
2021 自拍偷拍
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
中文字幕毛片在线观看
国产兄妹无码一区二区
sse9.c鈥哻
小黃片㊙️🈲网站麻豆
免费鸥美一级片
91自拍第1页
二次元尿孔
全免费看A级毛片免看
97在线人妻免费视频
人妻无码一区二区蜜芽不卡
在线免费看欧美性爱
视频久久网
人人干人人插人人摸
五月婷综合网
她色你也色
欧美一级精品高清在线观看
亚洲中文字幕久久精品无码2021
国产迷视频在线观看
中国黄页免费观看视频大全
久久熟女这里只有精品
无码男男做受g片观看
人人干人人操人
十八岁美女免费网站
www.123av
精品 交在线视频
欧洲精品视频在线播放第1页
XXXXWWW
欧美性爱在线视频播放
18銑欙笍
高清 码 免费干货国产
中国老太大毛茸茸视频
制服丝袜亚洲
18岁免进的视频
鸡巴在女神阴道里一进一出
亚洲最大黄色网址