v3.64.5241 最新版
v2.881 安卓免費版
v1.217.9989.18203 IOS版
v6.904.4867.386766 PC版
v8.777.6145.671869 PC版
v1.901 安卓最新版
v5.377.5939.277047 安卓免費版
v2.22.5050.549812 PC版
v4.908.3149 安卓最新版
v9.404 安卓免費版
v2.24 最新版
v5.263.6278.659670 安卓版
v6.4.2683.829800 安卓版
v6.474.4617 安卓免費版
v8.430 IOS版
v8.35.6008 PC版
v8.840 IOS版
v4.147 最新版
v5.22.1460.6041 最新版
v7.629 安卓版
v8.579.8919.347344 最新版
v1.637.2932.325890 最新版
v8.446 安卓漢化版
v1.884 安卓免費版
v8.830.9967 IOS版
v9.68 安卓最新版
v1.204.9248.808381 PC版
v8.154.4039.252590 安卓免費版
v1.87 安卓最新版
v2.781.2925.390431 IOS版
v3.853 最新版
v2.837.5113.645161 安卓最新版
v2.202 安卓免費版
v7.427.3554.692136 安卓版
v4.402.4422 安卓免費版
v4.52 IOS版
v3.463.6801 IOS版
v2.902.3203.865828 最新版
v7.742.3981.218344 安卓漢化版
v8.27.2758 安卓最新版
v4.35 安卓漢化版
v7.896 安卓最新版
v3.979.2791.588190 安卓免費版
v3.435.4448.544863 安卓版
v9.104 安卓免費版
v3.623 PC版
v2.224.3046.805581 安卓免費版
v9.361.799.989726 安卓版
v9.536 安卓免費版
v7.550 最新版
v3.988 最新版
v1.750.4866 安卓免費版
v1.475.5233.957658 安卓最新版
v8.169.2377 安卓版
v1.508 PC版
v2.320.4484.611197 安卓免費版
v8.246.9021.558760 安卓最新版
v4.64.9169.987305 安卓免費版
v2.20.3255.519446 IOS版
v7.832 安卓漢化版
v1.675 安卓最新版
v3.125.2101.369496 安卓最新版
v5.660.1773.348175 PC版
v4.280.5954.132331 IOS版
v4.858 安卓漢化版
v9.321.3118 安卓免費版
v7.60.3047.466898 安卓最新版
v3.293 IOS版
v1.139.1736 安卓漢化版
v3.130.9444.595167 IOS版
v2.785.6299.97760 最新版
v8.110.9085 安卓最新版
v6.934.8873 最新版
v2.599.6368 最新版
v6.225.4740.492004 安卓最新版
v7.638.8696.22265 安卓最新版
v6.356.8547 安卓免費版
v4.245.5001.553892 最新版
v5.574.9893.26585 PC版
v8.475.8470.109789 安卓漢化版
国产熟女精品一区
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
破处视频导航
se不卡一二三
在线视频国产黄色视频国产黄色视频
黄片毛片在线免费看
女人被男的爽到直呻吟性色r
中日韩欧美性爱拍拍视频
eipril福瑞动画资源库
国产日韩AⅤ无码一区二区三区
婷婷与丁香六月激情三区
黄色免费观看网站网址
男女做性高清免费大视频
霍秀秀抹胸装
越南女子别动队
蝌蚪窝在线
亚洲精品香蕉88av
99久久这里只有精品
一男一女脱胱了曰批10分钟
狂c纲手的淫穴到失禁
橾橾操操处女
国产a∨麻豆免费
在线观看日韩一区二区
女人天堂AV网
又大又长又硬又黄又粗的视频
精品视频2
国产精品亚洲第一页在线播放
性噜噜视频在线播放
绿巨人app下载汅api免费破解版下载