v6.500 安卓漢化版
v3.186 安卓漢化版
v5.381 PC版
v3.234.3001 安卓漢化版
v7.496.4529 IOS版
v8.754 最新版
v4.621.5055.678590 安卓漢化版
v3.974 安卓漢化版
v6.584 PC版
v3.832.8102.351815 IOS版
v7.447 安卓漢化版
v7.848.6654.536537 安卓免費版
v6.384.1987.332115 PC版
v1.669.1979.606108 安卓漢化版
v1.238.9504.294549 最新版
v7.304 安卓免費版
v9.899.941.523782 PC版
v8.117.6313.789134 PC版
v2.258 最新版
v3.704.1184.765994 最新版
v1.678.1356.593286 安卓最新版
v1.392.4852 最新版
v7.189.5813.357034 PC版
v6.811 安卓版
v1.694.6952 安卓漢化版
v3.158.6036.833927 安卓最新版
v5.476 安卓最新版
v5.200.9711 安卓最新版
v4.37.5109.944166 安卓版
v3.685 最新版
v7.920 安卓免費版
v5.953.7980.711156 PC版
v8.76.2020.924260 安卓版
v2.204.5762.99048 安卓漢化版
v2.22 安卓漢化版
v5.878.2121.207063 安卓版
v9.87.3917.919260 PC版
v4.611.7951.561228 PC版
v9.451.33 安卓免費版
v9.855 安卓免費版
v4.177 安卓漢化版
v3.302.6169.661973 PC版
v3.409.6343 PC版
v2.641.9576.892739 最新版
v2.186.5910 IOS版
v1.175.8671.941690 IOS版
v6.339.207 IOS版
v9.522 安卓最新版
v3.880 安卓漢化版
v9.746 安卓最新版
v4.328 安卓漢化版
v3.928 安卓免費版
v6.220 最新版
v7.93 安卓免費版
v7.408.5474.605336 安卓版
v4.119 IOS版
v7.336.1714.395610 最新版
v4.18.8334 安卓最新版
v2.176 IOS版
v3.947.3782.355938 安卓漢化版
v9.862.8560.7132 安卓版
v1.328 PC版
v2.289.4901.274828 安卓最新版
v1.118.3498.484427 安卓版
v2.284 安卓免費版
v6.955.3043.451661 安卓漢化版
v5.775.4918.889278 PC版
v9.771.6196 安卓版
v3.592.1554.255929 安卓免費版
v8.939 安卓免費版
v5.381.1544 IOS版
v2.900 安卓版
v2.418.4229 安卓最新版
v6.537 IOS版
v4.297.6449.558148 安卓漢化版
v3.117.4903 最新版
v3.49.8921.15127 安卓免費版
v5.983 安卓版
v2.295.8040.884850 PC版
v1.78.8629.194686 IOS版
少妇和动性交
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
无码不卡一级毛片免费视频
超碰人人操人人舔
自拍偷拍色视频第一页
美女被艹色视频免费看
萝莉喷水自慰
曰日操日日干
日日摸夜夜添夜夜添高潮日韩
亚洲欧美淫荡视频
欧美在线黄色视频。欧美视频
ww.17c.com
好好毛片日首页
自慰出水网站
欧美一级在线视频
亚洲一级毛片无码超清
五月天色色色
舞原圣电影日本免费观看
久久免费a
色wwwww
mayaboard最新公告
911情趣网站
日韩一区日韩二区
国产人年成免费网站视频
黄色视频在线播放www
www.黄色.com.
一级毛片自拍
欧美色福利视频