目今位置:首页 → 电脑软件 → 胖猫姐姐称一切已交给律师 → 一区二区中文字幕 v3.92.1497.302824 PC版
v2.689.5564 IOS版
v5.784 安卓最新版
v2.406.7098 安卓免費版
v2.250.2482.616453 安卓免費版
v4.55.4934 安卓漢化版
v4.65.9001.358092 最新版
v7.123.2122.892373 最新版
v2.262.7572.864602 安卓漢化版
v3.839.1758.958204 PC版
v3.590.900.786838 IOS版
v3.563.8974 安卓最新版
v1.539 安卓漢化版
v8.635.9148.525057 PC版
v1.679.7105.532089 安卓漢化版
v4.905.3330.871564 安卓最新版
v1.368.8913.681853 最新版
v5.230.3846 IOS版
v3.363.5407.216542 IOS版
v8.833.6680 安卓漢化版
v5.770.4176.745561 安卓免費版
v4.146.6888 安卓免費版
v8.157.2763 最新版
v4.479.8452.997265 最新版
v5.34.7661.312462 安卓最新版
v3.506.9052.701565 安卓免費版
v5.455 安卓最新版
v5.203.1836.392095 IOS版
v2.661.7518.837283 IOS版
v3.31.4250.350460 安卓版
v6.650 安卓漢化版
v4.64.9017.564963 安卓最新版
v3.558 最新版
v8.164.8710.537336 安卓漢化版
v3.936.916.456959 安卓版
v8.667.1433.658166 PC版
v4.163.8523 安卓免費版
v7.580.9939.241330 安卓漢化版
v3.512.7263 IOS版
v5.751.4333.129752 最新版
v5.349.9529.545112 安卓最新版
v4.472 安卓版
v4.12.9326.326609 安卓版
v6.899.1761 安卓免費版
v5.329.3329.392049 IOS版
v7.420.3487 安卓最新版
v2.168.958.616073 IOS版
v7.444.4413.505846 安卓漢化版
v5.197 安卓版
v1.53.5980 安卓免費版
v1.998.4065 安卓免費版
v7.634.7281.869402 IOS版
v5.161.3132.739000 安卓免費版
v6.141.4050.685934 安卓漢化版
v3.484.9784 安卓最新版
v6.833.7293 安卓最新版
v7.819.5104.606089 安卓免費版
v3.226 安卓版
v8.467.613 PC版
v1.98.2903.907594 安卓漢化版
v4.79 PC版
v5.905.1676.560582 安卓免費版
v8.695 安卓最新版
v4.198.865.767719 安卓漢化版
v1.35.1529 安卓最新版
v1.403.6309.768606 PC版
v5.811.2374 安卓漢化版
v2.786.9511.591881 安卓最新版
v2.777.9477 安卓漢化版
v4.975.3444.437896 IOS版
v6.205.6458.751469 安卓免費版
v6.318 PC版
v2.963.4966 安卓最新版
v4.565.689 PC版
v6.671.4596.740190 安卓版
v4.722.774.46960 IOS版
v4.800.4709.138431 安卓最新版
v4.210 最新版
v7.692 IOS版
v9.706 安卓免費版
v2.744.7424.456489 安卓版
一区二区中文字幕
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
女人人插视频
把鸡巴塞入小穴里操起来
在线精品AⅤ视频一区二区
少妇被c 黄 在线网站免费少年
影音先锋每日资源网
精品在线小视频
不卡a片在线观看
免费观看日本女人一区二区视频网
又粗又大人人操
R18 美女 成人 网站
美女紫薇被草网站
色色色综合社区
色必操视频
久久久受wwww
日韩免费码中文字幕在线
丝袜足交91
色在线视看网址
乱伦喊麦在徕
黄色视频久久7
日本真人一级性爱
死我
欧美一区视频A片
免费又黄又爽又刺激视频
梅花十三的堕落漫画免费阅读
欧美专区人人操
国产精品一级网址
伊斯兰老女人黄色网站
亚洲色98国精品
中国做爱视频
www凹凸..com