v7.374.2649 安卓最新版
v9.98.2356.544809 安卓最新版
v5.573.8876 安卓版
v5.509.3558 安卓版
v4.542.5550.975197 IOS版
v4.500.7523.347874 安卓最新版
v1.291.45 最新版
v2.516 安卓免費版
v1.224.960 PC版
v1.923.9673.772853 安卓免費版
v1.703 PC版
v7.536.9612.438182 安卓免費版
v7.720.5447.276728 安卓漢化版
v3.824.8320.928858 最新版
v7.649.442.405251 安卓版
v2.861.5174 IOS版
v7.638.3714.293727 安卓版
v6.995.7436.520539 最新版
v8.3.7773.389188 安卓免費版
v2.468 最新版
v6.453.8816 安卓版
v7.654.532.775732 安卓版
v8.457.1311 安卓版
v2.137.7434.616172 最新版
v4.367.152.128706 IOS版
v6.990 最新版
v8.774.6687.686189 PC版
v4.977.7906.474308 安卓最新版
v4.417.159.749918 安卓最新版
v6.74.1938 安卓免費版
v7.219.7472 PC版
v8.711 最新版
v7.296.7073.478616 IOS版
v1.730.2009.451760 最新版
v8.163.6485.835638 PC版
v2.795.6992.880649 PC版
v8.867.2934.726101 最新版
v1.416.3786.811040 安卓版
v3.426 IOS版
v8.584.6396.695514 安卓最新版
v5.676 安卓漢化版
v1.5.6753 最新版
v2.15.2271.72377 PC版
v6.426.8844.396027 安卓漢化版
v4.884.3050.737107 安卓版
v3.573.2472 安卓版
v8.454.7438.909634 安卓最新版
v6.91 安卓免費版
v2.844.515 最新版
v9.430.9085.16981 安卓版
v6.623 最新版
v5.395 最新版
v1.282.2676 最新版
v9.351.3622.607226 安卓版
v2.507 安卓版
v7.849 安卓版
v8.352.2197 IOS版
v3.134.260 安卓版
v1.376.2393.286457 IOS版
v8.505.3681.377545 安卓免費版
v8.535.7194.624579 安卓漢化版
v7.785.6981.711313 安卓版
v3.411 安卓最新版
v3.486.2382.561999 安卓漢化版
v5.948.2911.314588 安卓漢化版
v4.578 最新版
v2.697 安卓最新版
v8.572.1406 安卓最新版
v3.252 安卓最新版
v3.575.4635 安卓版
v6.422.8765 安卓漢化版
v9.591.888.756837 安卓最新版
v9.945.1691.985651 安卓最新版
v3.810.3376.904355 PC版
v3.596.6138 安卓最新版
v8.742.58.853794 安卓免費版
v1.544 IOS版
v8.457.3013.233532 安卓漢化版
v4.315.1743.396759 IOS版
v2.833.8355.453259 安卓最新版
看老贵妇性爱视频
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
视频一区 二区 三区 欧美
A级国产精品片在线观看
3Dmax无尽动漫在线观看
18禁 ♂自慰18cm
亚洲超清黄色视频在线观看
黄漫 涩爆乳自我安慰视频
18 害羞勿进网站动漫
日本老师内急peeVK
chihese公厕toiet美女
日本理论电影A片中文字幕网站
97pao国产成视频永久免费
欧美色图亚洲
欧美色 亚洲色 偷拍
亚洲AV片一区二区三区紫牛 www.zjkemei.com www.nartop.com www.duomino.cn w
中國黃毛A級視頻
果冻传媒,诱人丝袜
美女的隐私秘 免费视频
午夜1级大黄片一区
亚洲国产精品第一页
AV 影视网
日韩三级电影网
特黄特色的大片美女网站