v6.842.9940 安卓漢化版
v4.377.406.965106 安卓免費版
v7.172 安卓最新版
v7.619.3338.301127 安卓漢化版
v4.236.2823.977253 最新版
v1.768 安卓版
v3.302 最新版
v6.991.6300.27810 IOS版
v4.225.5839.430181 安卓版
v2.393.2304.109135 安卓漢化版
v1.759.5838 安卓最新版
v4.532.7422 安卓版
v2.413.1265.748503 安卓版
v5.733.527.44470 最新版
v7.985.7468.79595 安卓版
v2.562.2452 安卓漢化版
v3.124.8788.947291 安卓漢化版
v5.57 安卓最新版
v8.937.265 安卓免費版
v5.106.6051.362531 安卓漢化版
v2.789 安卓最新版
v7.953.2613.681616 安卓最新版
v8.759.3421.11532 最新版
v9.684.6777 安卓漢化版
v7.37.5009 PC版
v7.351.9364.792873 安卓最新版
v9.77 安卓最新版
v6.349.7292 安卓漢化版
v3.891.363.324654 安卓版
v1.777.6144.713993 安卓最新版
v1.87.4070.505268 安卓版
v3.498.3650 安卓漢化版
v2.335.2258.346892 最新版
v9.394.5626.7201 最新版
v1.455.5628.534189 安卓漢化版
v7.84.589 最新版
v7.247.7.180098 PC版
v8.211.6809.124799 安卓免費版
v9.340.8530 安卓免費版
v9.324.3247.529594 安卓漢化版
v4.926.2178.230819 PC版
v4.504 安卓最新版
v3.497.1756.396575 安卓漢化版
v7.26.9416.510250 PC版
v1.293.4645.847777 安卓版
v3.450.5276.587403 IOS版
v8.835 安卓漢化版
v2.353.7077 最新版
v9.49.638.212614 安卓最新版
v8.74 安卓版
v8.311 安卓漢化版
v7.323 最新版
v2.215.735.341410 PC版
v6.934 最新版
v7.232.3959.108636 PC版
v2.711.3680.890308 PC版
v5.897.9193.645814 安卓漢化版
v7.698.2371.603930 安卓最新版
v8.95.4153.944713 安卓漢化版
v1.517 PC版
v8.731.8699 安卓漢化版
v9.476.9624 PC版
v1.423 IOS版
v6.544.4914 安卓版
v7.775.2022.237344 安卓版
v2.716.5435.112222 安卓漢化版
v4.757.8424.92744 安卓免費版
v2.974.8259.985796 安卓免費版
v3.872 安卓免費版
v4.74.7359 安卓漢化版
v5.366.8959.57391 IOS版
v7.224 安卓免費版
v4.534 PC版
v3.654.6202.422168 IOS版
v6.427.2017 安卓免費版
v1.348.4322.757802 安卓免費版
v7.494.5765 安卓最新版
v4.582.4407 安卓漢化版
v1.363.624.274257 PC版
v8.964.6859.545460 IOS版
在线黄片c0m
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
日韩精品一区二区三区福利视频
日本免费www视频观看
2018人人操人人爱
床上的免费的很黄60分钟视频
久久精品网站WWW
18馃埐馃悢
91电影色色网站视频
免费看看黄色网站
日韩激情另类
自拍偷拍 。欧美性爱
国外自拍偷拍精选
男c女 黄秘 B站视频
AV色色
免费极品视频
日韩欧美色图
狂野欧美乱特黄A片
被同学粗大的 巴进出
岛国一级
www.juruguochan
武姬和星见翔太
免费观看美女裸体的视频网站
天天狠
人人干人人草人人射
亚洲第一黄色