目今位置:首页 → 电脑软件 → Makiyo分享减肥法 → 插插插动态图 v7.977.5777 最新版
v8.243.9576.261688 安卓版
v7.96.3370.466716 PC版
v6.797.6484.637379 安卓版
v6.246 安卓最新版
v7.569.1217.435577 安卓版
v4.122.9652.165221 安卓版
v8.30.752.687407 PC版
v7.147.4113.828751 IOS版
v4.95.6042.821697 安卓免費版
v5.299.6043.247946 安卓漢化版
v5.985.226 安卓漢化版
v8.838.9389 IOS版
v1.105.5726.51001 PC版
v3.104.4038 IOS版
v3.390.9779 PC版
v2.762.7366 PC版
v1.126.3893.302369 IOS版
v5.283.5959 最新版
v6.546.1713 安卓免費版
v7.784.8450.942181 最新版
v3.125.3696 最新版
v9.95.3499.668875 安卓最新版
v8.646.3069.194973 IOS版
v3.762.9696 IOS版
v8.723.5439 安卓版
v2.283 安卓漢化版
v3.771 安卓版
v1.278.2713 安卓漢化版
v8.167.5758.724751 最新版
v2.889.7355 安卓免費版
v2.332.9622.101050 IOS版
v4.164.3857.907976 PC版
v5.265 安卓版
v5.443.3206 最新版
v3.595.4171.374640 最新版
v6.846.9338.505203 最新版
v3.871.2410 IOS版
v5.1.1800.144927 IOS版
v8.400.448.376700 安卓版
v2.226.3476.275556 安卓漢化版
v2.965.4161.191376 安卓免費版
v1.387.1980.124774 安卓漢化版
v1.188 安卓漢化版
v8.401.4976.359379 最新版
v2.160.2127 IOS版
v1.436.1932.862911 安卓版
v9.904 安卓漢化版
v9.811.1042.252792 安卓版
v9.628.5809.375968 最新版
v2.1.2399.200368 安卓免費版
v6.290.6866.520142 最新版
v5.494.9031 IOS版
v1.500.8140.664084 IOS版
v9.462 PC版
v3.869.5378 最新版
v1.8.2514.436491 安卓漢化版
v1.503 安卓版
v2.573.6795.797394 安卓最新版
v5.519.4482.770194 安卓免費版
v6.411 PC版
v6.744.4532 PC版
v9.289.5242.270776 安卓免費版
v1.93 安卓版
v7.540.1358.301448 安卓最新版
v6.690.414.617204 IOS版
v1.56 安卓免費版
v5.636.8871.414736 安卓漢化版
v1.363.8766 安卓免費版
v7.677 IOS版
v5.792.5694 安卓版
v3.678.5432.408184 PC版
v3.304 安卓版
v4.419.6333.489511 安卓免費版
v1.924 安卓最新版
v4.945.7091.786815 安卓漢化版
v8.304.7193 安卓最新版
v3.469.6547.49459 安卓免費版
v9.533.6208.359913 最新版
v7.977.5810.996153 安卓漢化版
v8.899.4210 IOS版
插插插动态图
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
天天精品夜夜精品视频
最近2018中文字幕大全视频一页
A片在线观看麻豆
99精品热在线视频手机版
国产精品…在线观看
黄片三级视频在线观看
安徽妇搡BBBB搡BBBB小说
美女喷水APP
色色男同网站
操碰人妻
国产欧美视频在线
久久国产精品无码99
久久久久国色AV免费图片
超碰无码一区二区三区
在线免费观看黄片免费视频
国产精品无码小视频网站不卡
色哥导航四区
啊啊啊啪啪啪
欧美日aaaa一级片
av天堂美女
小 塞
十八岁www
一本久道综合在线中文无码
色色 综合