目今位置:首页 → 电脑软件 → 贾樟柯新电影上映22天 → 欧美老妇女性生活 v3.427.6531.138829 安卓免費版
v4.462 安卓最新版
v5.313.1585.328873 安卓最新版
v1.374.9579.548964 最新版
v3.172.6678 安卓最新版
v2.707.9237.695892 安卓免費版
v9.622.8988 最新版
v7.150.879 PC版
v7.702.1396.75767 IOS版
v1.551.4653 IOS版
v7.784.9646.414693 PC版
v9.226.4754 安卓最新版
v2.154.9534 PC版
v2.404.3397 PC版
v6.472.182.420211 安卓最新版
v1.987.3985.324777 PC版
v3.809 IOS版
v2.476.1949.247636 安卓最新版
v8.985.9954.492238 安卓版
v3.696.8214.129337 最新版
v6.253.7491.325333 最新版
v7.177.7417.355070 安卓漢化版
v8.349.506 安卓漢化版
v5.886.3829.199320 IOS版
v7.606 安卓版
v3.926 IOS版
v5.189 安卓最新版
v9.865.8505 安卓免費版
v6.492.4970.75338 安卓最新版
v5.228.5190 IOS版
v5.946.7331.505969 安卓最新版
v8.281.1287.901780 安卓免費版
v8.982.2394.599624 最新版
v5.125.7469.822884 最新版
v8.847.6461 安卓最新版
v4.568.8241 安卓版
v2.977.1398 安卓版
v4.279 安卓最新版
v1.356 安卓漢化版
v6.469.9845.774643 安卓免費版
v9.138.2357.205405 最新版
v6.221 安卓漢化版
v5.458.3883 安卓最新版
v5.384.2453.492196 安卓最新版
v7.611 安卓免費版
v1.615 最新版
v6.361.7516.301733 安卓最新版
v7.241 最新版
v7.883.351.810832 IOS版
v7.828 安卓免費版
v2.350 安卓版
v9.600.4434.621172 安卓漢化版
v1.531.9614 安卓版
v4.803.9526.901587 PC版
v8.617.1463.173486 安卓最新版
v4.0 安卓版
v3.140 安卓最新版
v9.249.3168.586893 安卓免費版
v3.804.690.628615 安卓版
v7.258.1504.115572 安卓最新版
v7.71.714 最新版
v2.703 最新版
v3.985.5315 安卓最新版
v3.858.371.621449 最新版
v5.199 PC版
v7.569.5729.747606 PC版
v5.303 安卓免費版
v5.615.7520.239935 安卓最新版
v9.679.7530.874685 最新版
v2.44.670 PC版
v4.800.4140 IOS版
v4.60 安卓免費版
v7.903.5239 IOS版
v8.183.4927.961479 安卓版
v8.142.4347.77111 PC版
v2.394 安卓漢化版
v6.595.569 PC版
v3.722.5154.20923 安卓最新版
v2.2.950.252528 安卓免費版
v9.190.5824.372022 安卓免費版
v8.341.2449.615927 IOS版
欧美老妇女性生活
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
含羞草未满十八岁
免费人人干人人操
人人干人人操人人舔人人摸
skii女性向编码083
大色网夜夜操
美女裸体100%㊙️无遮挡视
黑色丝袜国产精品
俺去也精品在线
草莓视频在线播放
黄色性爱网址
午夜福利成年人
国产最新网址在线观看
毛片网址来一个
搜狐黄片又粗又长特黄片
18岁禁污网站
综合网小说图片
亚洲免费激情视频
久久99热这里只有精品91
呜人和钢手生孩子
美女被操在线观看的网站