v3.780.4030.495028 PC版
v5.655 安卓漢化版
v9.478 PC版
v9.505.8118 PC版
v6.306.7886 IOS版
v4.198 安卓最新版
v4.119.5028.462581 最新版
v8.279.9136.153250 安卓版
v5.585.6742 IOS版
v9.346 最新版
v1.803 最新版
v5.660.4641.585083 PC版
v2.623.4044.833355 PC版
v9.327.3503.837720 IOS版
v5.647.1068.316759 安卓最新版
v6.324.5368.867799 PC版
v1.750.6113.471595 PC版
v3.219 安卓免費版
v4.133.5208 最新版
v8.233.899 安卓免費版
v2.597 安卓免費版
v3.520 IOS版
v8.993.9680 安卓版
v7.237.2417.735548 安卓版
v6.276 最新版
v9.282.1687.816467 安卓漢化版
v7.949.8909 PC版
v4.442.2245.152520 最新版
v6.81.5153.143926 安卓漢化版
v3.291.8915 安卓免費版
v8.519 最新版
v1.62.6948 IOS版
v1.48.86.655672 安卓免費版
v5.102 PC版
v9.255.9720.205690 IOS版
v1.143.906.91288 安卓版
v3.357.1601.225914 安卓最新版
v1.269 IOS版
v4.335.4488.286041 安卓最新版
v3.4.9019.351012 IOS版
v2.207.5514 最新版
v7.964 安卓漢化版
v9.965.8995.131079 最新版
v2.674.2729 安卓最新版
v2.372.3092 最新版
v3.905.8078.423337 安卓版
v7.575 安卓最新版
v4.97.5136.880798 最新版
v5.333.4555 安卓免費版
v4.960.8554.996576 安卓免費版
v2.942.7226.8207 安卓版
v9.437.8664 PC版
v1.162.4324.503770 IOS版
v8.743 安卓版
v5.144.4408.641079 最新版
v4.380.7462.79737 PC版
v1.17.564 IOS版
v7.610.4470 PC版
v7.940.7040 安卓最新版
v8.651.688 最新版
v8.117.6012.729183 IOS版
v5.100.7655.554241 PC版
v8.974.2080 安卓最新版
v6.272 IOS版
v6.491.1015 PC版
v3.848.8625.842666 安卓最新版
v3.996.629 IOS版
v5.782.4474.146963 安卓漢化版
v9.713.897.435838 安卓免費版
v5.274.4357.734265 安卓漢化版
v1.776.6465.119952 IOS版
v3.523.8396 IOS版
v1.451.7887 安卓最新版
v8.888.706 安卓最新版
v8.510.7260 最新版
v8.246.6398.429935 安卓免費版
v1.748.2059.41691 最新版
v8.964 安卓漢化版
v9.47.4484 最新版
v3.920.8102.999213 IOS版
国产拍拍视频一二三四区
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
二次元人物桶二次元
免费在线观看视频被多人操
精品熟婦Av免费久久久久
AAA特级毛片免费视频在线
jiujiure国产二区
国产 又黄 又爽刺激玫瑰园
欧亚黄色网
西施拿黄瓜自w到高潮
破处视频福利
三级在线视頻
黄色的毛片
色偷偷久久一区二区三区
黄色床上片,三级片在线,亚州重口味,成年大黄片是一个无需播放器直接观看的影
淫色交换
美女明星直播走光露奶头网站
农村一级一级生话
福利视频 你懂的
亚洲自偷自偷制服丝袜图片
在线免费观看操美女视频
特一级毛片一级毛片一级毛片
污黄色片99精品人人草人人插
三级视频又爽又硬
国产美女黄网站色
特级毛片永久久免费观看
国产嫩草久久久久久鸭
www.lzhibao.com
人人揉揉人人操
成人网站A片
xⅹxxⅹ
在线观看精品黄色网站
草草99中文字幕无码在线观看
白鹿被狂揉下部 羞羞车文
欧美亚洲日韩性爱
厨房乱子论在线播放
国产福利区精品
日韩精品二三区
黄色片在线看
538在线视频播放视频