v7.765.3230.711140 PC版
v6.713.3527.479235 IOS版
v6.234.846.283957 安卓版
v9.442.2716 安卓版
v2.587.4519.335882 最新版
v9.994.4041.755315 最新版
v4.228.9325.863238 安卓免費版
v5.452.8329.38045 最新版
v5.120.4472.189665 安卓免費版
v4.111 IOS版
v3.481.6284 安卓漢化版
v4.930.4773.270639 PC版
v7.581.6813.425511 IOS版
v1.254.3736.425844 最新版
v4.913 最新版
v6.307.4017 最新版
v4.6.549 最新版
v4.461 安卓最新版
v3.775.9055 安卓漢化版
v8.611.4293 最新版
v6.962 安卓版
v1.28 安卓版
v3.184 最新版
v2.937.6133 IOS版
v6.868.5948 IOS版
v3.822 IOS版
v4.361 安卓漢化版
v6.745.6052.825686 安卓免費版
v7.411 安卓最新版
v7.213 安卓漢化版
v1.313 安卓版
v4.213 IOS版
v7.503.3843.896171 安卓版
v7.846.8734 安卓最新版
v6.926.3983 安卓最新版
v1.646 安卓最新版
v8.163.3892.66446 IOS版
v2.678.4441.579925 安卓最新版
v1.94.337 安卓版
v1.667.527.521693 安卓免費版
v8.415.5192.763271 最新版
v1.308 最新版
v8.104.3991 安卓版
v4.495 安卓漢化版
v1.968 安卓版
v1.272.4137.981843 安卓免費版
v4.701 最新版
v6.98 最新版
v8.207 安卓版
v2.833.7262 安卓版
v2.585.7619.510027 PC版
v7.393.4800.621191 安卓最新版
v6.522.8018.252715 最新版
v5.374.751.445443 安卓免費版
v1.785.5421.345567 IOS版
v6.286.9627.350031 安卓版
v3.700.6056.854271 安卓漢化版
v6.563.5463.246628 安卓漢化版
v6.100 安卓最新版
v6.934.2607.224923 安卓最新版
v9.556.2432 安卓版
v6.421 安卓免費版
v8.21.7369.999252 安卓漢化版
v5.27 安卓最新版
v4.95 PC版
v1.893.725.660303 安卓免費版
v2.114.862.507396 安卓免費版
v4.917.5119.41257 安卓最新版
v3.780.1384.984234 安卓免費版
v7.462.5608.765246 安卓免費版
v4.239.3130 安卓漢化版
v8.700 PC版
v6.679.1691.683284 安卓版
v3.568.1962.820343 IOS版
v2.707 安卓免費版
v2.775 安卓最新版
v3.94 安卓最新版
v7.291.8377.167389 PC版
v9.940.8995.943283 PC版
v4.790.6247 最新版
麻花豆精品秘 国产AV竹花菊
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
欧美娇小XXXXX性色
中国三级片wwwwwwwwwwwwww
美女被强奸伦乱在线
94婬黄看大片
国产欧美在线欧美日韩
黄色网址XXX APP
一级婬片A片试看120秒福利区
色爽女人免费网站
免费欧美性交电影网站
国产精品短视频一区
最新无码国产在线视频走光
美女张开大腿让男人桶
黄色一级视频一级黄色一级视频一级
欧美性爱生活黄色A片
一级一级国产精品视频久久久久
国外三级片直播久久
国产精品视频v
四月婷婷丁香开心五月激情
激性艳妇猛性BBw
操人人人操97