目今位置:首页 → 电脑软件 → 男孩称因喊话学校饭菜被做思想教育 → 小黄书xhs91.cc成人专区入口 v6.22.6056.957170 安卓漢化版
v9.612 安卓漢化版
v4.854 安卓最新版
v1.652.6480.761101 安卓漢化版
v6.30.7425.60420 安卓免費版
v3.634 安卓免費版
v2.721.8081.957283 IOS版
v3.732.2714.714738 安卓最新版
v7.414.1029.496896 安卓版
v7.911 IOS版
v3.269.4940 IOS版
v4.748.4841 PC版
v5.695 安卓漢化版
v4.919 安卓免費版
v1.344.8784.555506 PC版
v4.384.5387 PC版
v5.980 安卓版
v9.497 安卓最新版
v4.759 安卓漢化版
v5.403.2706 安卓免費版
v9.951.7726.366053 安卓漢化版
v6.278.1242.616374 最新版
v3.325.9081.428030 安卓最新版
v7.385.2772.285722 安卓免費版
v9.687.9196.317270 最新版
v2.420.183.678114 IOS版
v5.705.7006.464023 IOS版
v5.827.7495.22426 PC版
v6.741.2012.677298 PC版
v9.649.3425.812954 安卓漢化版
v3.388.3461.985755 安卓免費版
v2.942.6534 PC版
v5.769.5612.536360 安卓免費版
v9.383.717.303028 安卓版
v5.320.9494.583025 IOS版
v2.202.3253.866288 安卓免費版
v9.253.8869.430356 最新版
v1.476.7854.704365 安卓版
v1.90.9235 安卓漢化版
v2.645 PC版
v9.843.86.556937 安卓版
v8.392.1292 IOS版
v4.542.122.502146 最新版
v7.987 IOS版
v6.843.7591.66851 安卓免費版
v3.697.6868 安卓版
v5.351.2710 安卓免費版
v6.819.7246.373352 PC版
v7.10.3458.69936 安卓版
v8.566.1707.709788 安卓版
v7.661.4609.520646 安卓漢化版
v9.812.4466.766498 PC版
v3.792.3919.122082 最新版
v4.348.5304.910289 安卓版
v5.704.9518.718625 安卓免費版
v3.412.5791 最新版
v4.642 安卓版
v8.819 安卓最新版
v6.170.6230.227822 安卓漢化版
v4.367.6836.251269 IOS版
v6.537.7330 安卓免費版
v3.275.4336.335877 安卓漢化版
v8.305.7561.17714 安卓最新版
v8.731.7616 最新版
v7.908.8360.48347 PC版
v1.857.1711.215771 安卓免費版
v3.171.407.558266 安卓版
v1.963.8671.793702 安卓漢化版
v6.958 IOS版
v1.186 安卓最新版
v2.697.4006 安卓版
v6.539.1134.848649 安卓漢化版
v6.931.9066.667767 IOS版
v5.923.3223.502610 安卓最新版
v3.52 安卓最新版
v3.411.9511.611919 IOS版
v2.238.9040.931764 PC版
v5.9 最新版
v5.574.8010.934966 安卓漢化版
v4.325 安卓漢化版
v3.27.6943.70527 安卓漢化版
小黄书xhs91.cc成人专区入口
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
欧美操逼视频网
人人操人人肉人人爱人人看第一区
欧美偷拍另类
鞠婧祎被 c 黄扒衣服
人人干人人操操
18勿进网站
欧美老熟妇乱XxXXX
18禁亚洲深夜福利入口导航
九九视频都是精品
日韩一区免费在线观看成年人A片
男人女人日逼视频
真人国产av
一个人人看的黄片
AV黄强奸美女
网站永久网站www
欧美一级性视频
77AV
美女被爽到巨乳网站
一级生活黄片视频下手机下10万个下载上看黄色一级片
99久女女精品视频在线观看
美女湿啊网站
欧美操逼A片
韩国无码AV中文系列久久免费
色羞羞院精品全部免费