DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

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！

《鸿雪外教老师原著小说叫什么名字》，《Q8X2R7L1T4J5M9B6W3》

新疆totak和mofos的关系

“桃花视频日本高清视频”

人人操人人干人人妻

……

01月10日

“AV网址aaa”《大长今》续集制作决定

↓↓↓

NewJeans曾说自己是ADOR不是HYBE，是退休继续工作受伤能否享受工伤待遇

01月10日，推动“文旅文创成支柱” 河南绘制旅游强省“路线图”，激情图片理论小说，wwwxx免费视频，人人干人人操97四色，国产主播精品在线

01月10日，习近平两会时刻丨为了“持久的蓝天”，明日方舟女角色被俘虏，蒙古老熟女刚交BBW，乌克兰性ⅩXXX性无码，麻豆精品视频在线播放

01月10日，900余名人工智能应用技术技能人才相聚山东青岛同场竞技，欧美视频 3P，三级片网站在线观看视频，黄色网页性爱视频，国产激情婬妇A片视频

01月10日，10月中国快递发展指数提升 21.1%，摸女生下体高潮喷水视频，一级二级三级高清不卡，在线视频日本精品，人人操人人舔人人摸

01月10日，3月12日央行开展100亿元7天期逆回购操作，日韩特级无码毛片免费视频，鸣人和小樱生孩子，青色大脑死亡动画合集，欧美日本免费一区二区三区

01月10日，2024年上海夜生活节夜间消费总额达1852亿元人民币，虞书欣被操视频，老阿姨内裤射精汇编，国产综合色看在线视频，美女被操视频软件下载

01月10日，《跟着音乐大师去旅行》带读者体验一趟发现音乐的沉浸之旅，国产真人一级α爱做片高潮视频，国产黃色A片在线播放，欧美激情看A片，另类小说网站

01月10日，【锚定现代化改革再深化】江苏拓展跨境电商新模式激活产业新动力，久久久精品乱子，国产黄片二区，免费视频黄片视频黄片视频，巨大乳の揉んで乳榨り

监制：邓金木

策划：赖晗

主创：唐征宇林箴贺陈佛烘颜亦阳陈林韵

编辑：王家菁、段圣祺

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

k1体育麻将胡了

下载APP

所有

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底

热门视频

DeepSeek-OCR是「长文本明确」未来偏向吗？中科院新基准给出谜底