目今位置:首页 → 电脑软件 → 白荆回廊全阵容体系讲解 → 黄色网址在线播放 在线播放 v5.868.6873 IOS版
v6.62 安卓最新版
v5.807 安卓最新版
v1.261.3081 安卓最新版
v3.731.8903.497771 最新版
v9.301.5111.129340 PC版
v5.983 最新版
v8.76 安卓免費版
v4.16.2099.81804 PC版
v6.617.2109.528882 安卓版
v2.857.5936.34037 安卓免費版
v8.568 最新版
v1.951.5827.165469 最新版
v4.967.6428 安卓免費版
v3.294.8775.714549 安卓漢化版
v4.398 安卓版
v7.402 安卓免費版
v5.488.4534.706502 最新版
v8.330 安卓最新版
v2.71.595.141795 安卓免費版
v3.916.6661.991531 IOS版
v4.881.2584.272100 安卓漢化版
v8.18.6356 PC版
v5.794.5096.769239 IOS版
v6.733.703.926887 安卓漢化版
v8.467.4701.571185 最新版
v3.194 安卓漢化版
v2.328.3553.756460 最新版
v2.496.283.277112 最新版
v3.942 IOS版
v9.997 安卓版
v6.0.1444.779780 安卓最新版
v6.111.9720 安卓最新版
v3.380.3841.650276 IOS版
v1.576 安卓最新版
v8.199.6346.625783 PC版
v3.325.5693.350673 安卓版
v2.598 安卓漢化版
v8.375.8142.681321 最新版
v3.115.4472.382390 安卓版
v7.325 IOS版
v7.157.4797.679133 IOS版
v6.313.5185 IOS版
v3.97.3594.382873 安卓免費版
v2.247.7949 安卓漢化版
v1.817.7863 IOS版
v6.800.2550 安卓最新版
v8.253.4472.727269 安卓漢化版
v1.400.1542.472124 IOS版
v6.715.9214.407595 安卓免費版
v4.487 安卓免費版
v1.878 安卓漢化版
v4.210.3886.255000 安卓最新版
v6.438.3191.270701 安卓免費版
v7.685.5108.709702 IOS版
v2.757.6011.214534 安卓免費版
v6.459 安卓漢化版
v1.665.6054.306715 最新版
v8.935.8450.165145 安卓免費版
v3.862.8160 安卓最新版
v9.357.7013 安卓免費版
v2.131.2989.741690 安卓最新版
v1.505.1486.837784 最新版
v7.766 安卓最新版
v4.618.7690.46025 PC版
v2.814.2684.781158 安卓漢化版
v2.228.3459 最新版
v5.79.8756 IOS版
v7.990.2036.776136 安卓版
v8.739.7450.301838 安卓漢化版
v7.893.175.545208 安卓版
v2.550.8946.406104 最新版
v1.709 PC版
v7.984.7843.697491 PC版
v7.247.2474 安卓最新版
v1.636 安卓版
v1.185.2344.754841 安卓版
v1.21.3070 安卓免費版
v3.75.5687 PC版
v5.755.7322 最新版
v6.463.5717.658235 IOS版
黄色网址在线播放 在线播放
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
www.773c.cn免费网站入口网页版找回步骤
一级在线观看免费
伊人网综合在线
亚洲三级片免费网站
美女扒开腿秘 免费视频
小舞掰开双腿迎合肉捧
maplestar虎杖和钉崎完整版
国产视频首页
腹肌小奶狗导管视频大全
欧美精品中文牲交一区二区
A片黄片地址
超薄丝袜脚交足免费播放
麻豆视频冷动板
欧美一级特黄一区二区三区观看网站
youjizz亚洲熟妇高清
欧美乱伦性交小说
人操人干人
国产区国产精品
动漫在线
AlettaOcean精品系列