v9.476 安卓最新版
v4.623 安卓版
v2.682 安卓最新版
v4.835.1625.459508 PC版
v3.241 最新版
v5.730.1211.420569 最新版
v4.334.9731 PC版
v7.695 安卓最新版
v7.718.5533.206397 PC版
v7.349.5937.45380 PC版
v4.602 安卓最新版
v1.725.9666.933262 IOS版
v3.328.3492.369576 安卓版
v3.193 安卓最新版
v4.299.8416.541462 PC版
v1.717 PC版
v8.110.2822 安卓漢化版
v9.441.8707.500221 安卓版
v7.527.2370 安卓免費版
v7.446.8851 最新版
v3.123 安卓版
v7.711.9652.223640 安卓漢化版
v7.101.8015 PC版
v2.525 安卓版
v9.970 安卓最新版
v8.304.611.358156 安卓最新版
v5.291.3991.199039 安卓免費版
v5.197.3283.399257 安卓免費版
v2.989.454.921901 最新版
v5.599.83 IOS版
v5.679.1454 安卓免費版
v7.334.8505.960183 最新版
v5.768 最新版
v2.244.5244 安卓漢化版
v4.640.5915 安卓最新版
v6.942.9811.46536 安卓版
v4.940.8091.97316 安卓免費版
v8.408.9036.372386 PC版
v8.306 安卓漢化版
v1.898 安卓免費版
v4.992.6264.81000 安卓漢化版
v7.210.976 安卓漢化版
v8.421 安卓漢化版
v2.541.6894 安卓版
v2.761 安卓免費版
v6.222 最新版
v4.221 PC版
v6.857.2383.745036 PC版
v4.217.4360 最新版
v3.999.6521.335581 安卓漢化版
v2.676.3187.8377 PC版
v4.524.3956.710579 PC版
v7.525.8316.521917 PC版
v2.977.1250 IOS版
v1.505.9537.13310 PC版
v5.870 安卓漢化版
v4.53.4326 安卓漢化版
v9.707.3100 安卓版
v7.60 IOS版
v6.767 最新版
v3.127.9488.489226 安卓免費版
v3.762 最新版
v6.56.338.793268 PC版
v2.117.4754 最新版
v3.940.9535.227925 安卓免費版
v9.211.4574.170700 安卓漢化版
v2.459.1107.904098 IOS版
v4.667.6467.706989 安卓最新版
v5.32.8695 安卓免費版
v7.862.455.805069 安卓免費版
v6.669 安卓最新版
v2.557.8135 安卓最新版
v1.492 IOS版
v6.84.4313 IOS版
v2.393 最新版
v2.710.5828.535669 安卓免費版
v1.2.3320.398644 PC版
v3.809.5417.765657 安卓最新版
v8.173.6397 安卓免費版
v7.462.7518 IOS版
猫先生上海强势白富美ceo
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
看黄色毛片视频
十八禁污网站
少妇学院下载
wwwA5A6、com
人人妻人人爽人人人人少妇
黄色软站
紫悦涩涩本子
91BBV
欧美一级特黄XXXXX
看看美女的大逼大阴蒂操逼
黄色网址在线不卡
美女网站视频永久观看
一女被两男玩4p奶头
96久久免费观看视频
视频一二区日韩欧美在线
天色色
看全黄色视频免费.....
免费高清日一本熟妇一区二区
xxnx20
纲手爆乳被 秘
激情小说之夜
播放粗壮熟女精品高潮视频