目今位置:首页 → 电脑软件 → 太阳客场加时险胜快船 → 加油2020污黄网 v7.541.6621 安卓漢化版
v1.894 安卓免費版
v5.150.1670 PC版
v6.832 IOS版
v9.564.321.831275 安卓最新版
v2.939 安卓最新版
v2.522 最新版
v4.996.9665 最新版
v7.598 IOS版
v8.464.2847.21801 安卓免費版
v2.445.4487.664450 安卓免費版
v2.241.3023.512945 安卓漢化版
v7.64.6044.266591 安卓版
v7.885 安卓最新版
v6.827.1763.648377 安卓漢化版
v7.977 最新版
v5.724 安卓最新版
v2.236 IOS版
v5.293 安卓免費版
v2.241.2455 安卓最新版
v4.27 安卓最新版
v9.944 PC版
v3.852.8052.443400 安卓版
v5.579.4773 最新版
v8.916.8189.563953 最新版
v2.409.6941.859788 安卓最新版
v9.626.8599.641053 安卓免費版
v1.617 安卓漢化版
v2.811 安卓免費版
v3.52 安卓最新版
v4.546.5845 安卓漢化版
v5.284.4558.957831 安卓版
v8.412.7863.186168 PC版
v9.689.3631 安卓免費版
v5.629 PC版
v1.190 安卓版
v3.358.4412.453956 IOS版
v6.642.7732.847276 安卓版
v4.21.4387 安卓版
v3.130.1305.189809 安卓版
v5.737.4545.508129 安卓版
v1.110.2874.96212 PC版
v5.704.295.8036 PC版
v4.565.2653 安卓版
v9.116 IOS版
v1.145.7230.270432 安卓免費版
v7.395 最新版
v5.70.4677.258578 IOS版
v2.118.7161.664595 安卓最新版
v8.707.9859.733348 IOS版
v9.784.8506.116707 IOS版
v8.529.2107.848883 PC版
v6.156 最新版
v3.210 安卓漢化版
v2.326.1509.108358 安卓漢化版
v1.364 安卓最新版
v2.59.34 安卓版
v8.707.2044.972190 安卓版
v8.72.5293.842951 安卓最新版
v8.232.899.475413 安卓版
v5.45.1164.141895 安卓版
v6.854.9278.179535 IOS版
v1.498 PC版
v7.2.8745 安卓最新版
v7.373.5448.492459 安卓漢化版
v2.492.8740.592397 IOS版
v3.870.490.984993 最新版
v6.206 安卓版
v3.967.566.274909 IOS版
v1.873.3255 最新版
v8.487 安卓版
v7.580.5728 安卓版
v7.832.8548.564690 安卓最新版
v8.667.8220 最新版
v3.338.7388.101199 安卓免費版
v6.481.6687.41965 安卓免費版
v9.80.740 IOS版
v3.125.3819.215738 安卓漢化版
v5.743.1756 最新版
v5.715.85 最新版
v9.522.1788 最新版
加油2020污黄网
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
黄色网址免费大全
外国黑人一级黄色视频
韩璐热舞sxphone
精品一区二区国产偷窥在线
先锋人妻影音啪啪av资源网站
亚洲国产成AⅤ人天堂无码
YP永久网站
白亚州视频在线播放
十八同人动漫
精品人妻av区东京热
坦克乱伦小说网址
动漫h在线开发
黄色网站吮
久久999精品国产只有精品
日韩无码操逼视频
欧美老熟妇爱爱高潮连连
哪里有毛片网站
chinese男男xx体育生喷浆
五月婷婷打炮网
日本黄色网站网址
羞羞羞漫画在线观看