v1.460.2976.633846 PC版
v8.105.5135.493569 安卓漢化版
v7.283.7556 安卓漢化版
v3.704 安卓免費版
v4.680.5021.840464 安卓最新版
v7.135.2659 安卓最新版
v2.996.6232 PC版
v4.225 安卓漢化版
v8.308.1030.400387 安卓漢化版
v2.158.8961.361398 安卓免費版
v7.251.4135.388765 安卓漢化版
v2.400.586 安卓版
v6.718.8662 安卓漢化版
v5.239.6408.630228 安卓版
v9.142.8686.215467 安卓漢化版
v5.354 安卓漢化版
v4.407.8433 最新版
v1.895 PC版
v5.88.8883.758696 PC版
v1.621.3934 PC版
v9.230.549.702872 安卓版
v4.855.4462.54557 最新版
v7.837.4274.256209 安卓免費版
v1.233.1946.147044 安卓漢化版
v8.439.7077 PC版
v1.698.494 安卓版
v4.963.516 安卓版
v6.863 安卓最新版
v7.799.9856 安卓最新版
v8.43.8947.666768 安卓免費版
v8.707.6658.743524 安卓免費版
v5.328.9217.125661 安卓版
v8.906 IOS版
v8.834.2638.545741 安卓最新版
v3.731.8916 安卓版
v4.757.607.899843 IOS版
v7.837 最新版
v6.411.6338.371179 安卓漢化版
v2.674 安卓最新版
v7.822 PC版
v6.698.2646.663869 IOS版
v7.316.6360.1485 IOS版
v9.728 最新版
v3.634 IOS版
v6.747 PC版
v2.24.9887.187132 最新版
v6.758.4212 安卓漢化版
v8.974.9926.217844 IOS版
v2.280.8864 IOS版
v3.514.6246 安卓免費版
v6.54.9700 PC版
v6.333.8037 PC版
v3.142 安卓漢化版
v6.376 安卓版
v6.316.3471 安卓版
v1.114.1194 安卓免費版
v8.435.2014 最新版
v7.445 IOS版
v4.855.968.576298 安卓最新版
v4.840.6012.393809 安卓免費版
v8.534 IOS版
v6.288 IOS版
v9.712 IOS版
v9.74 安卓免費版
v3.713.2112 IOS版
v8.429.7546.473267 PC版
v3.746.5227.903759 IOS版
v1.557.7995 PC版
v7.959.745.309927 安卓漢化版
v1.929 最新版
v6.25.737.117621 IOS版
v5.413.2957.585399 IOS版
v3.815 安卓漢化版
v5.929.384 安卓漢化版
v3.439.2399 PC版
v5.217.6225.38744 安卓漢化版
v4.728 PC版
v2.678.5836 安卓版
v7.997.8489.347360 安卓最新版
v8.971.8298.730279 安卓免費版
主人+调教+憋尿+高潮+锁男男
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
最近最新中文字幕大全视频
黄片和a片免费视频
动漫妓女巨大吸乳裸身视频
撕开丰满老师的黑色蕾丝内衣
欧美性一爱398AⅤ视频
香蕉午夜影院
欧美性爱A片视频
性交一区
色狠狠久久
二级黄毛片
尻b视频
色呦呦 高清 美女
女女 流浆 水下载
http://17c.com/
JAVHDOnline熟女
女人跪下吃j8
韩漫18
先锋影音AV最新AV资源
飘花黄色一级影片
欧美老妇激情BBBwwBBw
黄网址免费看
r星每日大赛入口
18禁爆乳动漫美女黄网站
色色电影天堂
思思99影院在线观看