v3.749.8888 安卓最新版
v6.261.7938 安卓漢化版
v3.173.3538 安卓免費版
v4.731.6310.414812 最新版
v1.105.6289.400275 安卓最新版
v7.234 安卓免費版
v1.712.1029.812648 安卓漢化版
v6.193 安卓最新版
v9.909.5841.448653 安卓版
v5.585.5530.325895 安卓版
v4.608.1738 安卓版
v4.544 最新版
v8.333.9848 安卓最新版
v3.638 IOS版
v8.699 安卓版
v9.418 安卓免費版
v4.954.654.51105 安卓版
v1.993.1271.466647 安卓漢化版
v3.597.1334.332689 最新版
v1.267 安卓最新版
v9.204 PC版
v2.68.9645.148147 安卓最新版
v6.121.550.184324 安卓漢化版
v4.498 PC版
v1.364 安卓免費版
v9.739.2538 IOS版
v8.829 安卓漢化版
v3.604 安卓漢化版
v6.890.5918 安卓版
v9.227.3468.528314 PC版
v3.110 安卓漢化版
v2.440.9251.212462 安卓免費版
v9.818 安卓最新版
v7.595.9023 PC版
v6.678.2017 安卓免費版
v6.623 IOS版
v3.146.9557 PC版
v1.188 安卓漢化版
v5.218.143 安卓版
v5.450.9584 IOS版
v4.597.6645 IOS版
v3.853 安卓漢化版
v6.229.5410.461362 IOS版
v9.852 安卓漢化版
v9.271 PC版
v3.109 安卓版
v4.289.1534 安卓最新版
v2.37.5546 安卓漢化版
v8.556 PC版
v9.864.9215.624543 安卓最新版
v5.175.3146.351496 安卓免費版
v6.187.1710.611748 IOS版
v2.263.3003.216856 最新版
v4.106.776 IOS版
v8.766.2128.835697 安卓漢化版
v3.406 安卓免費版
v2.372.1378 安卓版
v4.551 安卓漢化版
v3.368.1033 安卓免費版
v8.463.4638.827979 安卓免費版
v2.230.8322 安卓漢化版
v1.123 PC版
v6.88.4480.628769 PC版
v2.327.495 安卓版
v9.647.107.147940 PC版
v1.294.4415 安卓免費版
v3.477.667.604047 安卓最新版
v7.965.1057.828023 安卓版
v2.754.7449.638099 安卓漢化版
v6.891.4464.486399 安卓版
v5.636 安卓漢化版
v5.474.6802 IOS版
v1.670.3551.633094 安卓最新版
v8.889.3521.566498 IOS版
v5.472.2784.357422 安卓最新版
v9.117.7209 PC版
v1.864 IOS版
v5.899 PC版
v2.975.5834.822270 IOS版
v4.357 PC版
什么网站可以看毛片
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
欧美肏大黑屄
免费生成logo的网站
杨幂被躁到高潮
小 深进
工口实验室erplabs官网
国产高端精品在线
纲手用手扒开内衣内裤,露出乳液
抖阴app污
午夜在线
迈开腿让我看看你的 苺
奶水人妻XXXX视频
www.亚洲黄色网站
可以免费看黄色视频的视频的视频
国产精品秘 精东人口
www,renrenav,com
亚洲网址综合
欧美XXXX做受欧美69
美女高吹网站
免费高清成人大片
欧美字幕第一页
日本黄色电影免费观看
色碰网
洲亚日本XXⅩWWW
美女肏屄视频网站
欧美一级A片在线观看免费
菁青草无码免费视频在线免
3D巴巴塔在线看
五姑娘影A∨
玖玖视频在线观看这里都是精品
亚洲一区污
A片永久性地址