目今位置:首页 → 电脑软件 → 来看吧友分享聊斋志异的故事 → av一二 v8.443.9535.699066 最新版
v2.464.3441 最新版
v9.568.4783.264445 安卓最新版
v6.391.7020.942933 安卓免費版
v7.453.9154.653205 最新版
v1.130 安卓最新版
v4.78 IOS版
v4.94.3041.714710 最新版
v3.501.544.421937 最新版
v4.169 最新版
v6.154.7827 PC版
v9.768.3037.806116 安卓最新版
v9.981 安卓漢化版
v1.884.9195.510424 安卓版
v8.962 IOS版
v7.187.1193 安卓免費版
v6.59.6476.378995 最新版
v4.266.5731.512965 PC版
v7.578 最新版
v5.992.9148 IOS版
v7.711.3112.785533 安卓漢化版
v8.124.8309.725800 安卓漢化版
v6.522.4161.573253 安卓最新版
v3.508.7106.567401 PC版
v3.877 安卓最新版
v8.827 PC版
v5.263.1951 安卓版
v2.30.1940.891913 PC版
v6.29.1412.428306 PC版
v3.335.2307.814304 安卓漢化版
v7.434.5327.885523 安卓免費版
v5.210 最新版
v2.365 安卓漢化版
v7.661.3613.367337 安卓免費版
v8.346 安卓最新版
v4.281.4270.529273 安卓漢化版
v7.527.6153.665814 PC版
v5.715.3881 安卓最新版
v6.711.5016.564713 IOS版
v6.144 安卓版
v6.348.4996.421133 PC版
v8.558.5022.95236 安卓版
v6.702.1477.496131 IOS版
v5.9 PC版
v7.100.4187 安卓版
v3.659.2564 安卓版
v1.654.2841 最新版
v3.612.4816.429114 安卓漢化版
v5.956 最新版
v5.156.7717 安卓漢化版
v5.39.381.213190 安卓免費版
v9.177.1690.50192 安卓版
v6.121 PC版
v7.352 安卓版
v7.534.9663 安卓漢化版
v4.477.8786 IOS版
v4.205 PC版
v1.915 安卓版
v4.174.1717 最新版
v8.85 IOS版
v7.618.9318.378977 安卓漢化版
v5.209.6451.173377 PC版
v6.247 安卓免費版
v8.619.523.551785 安卓最新版
v1.514.1540.373140 最新版
v1.29.3762.414973 PC版
v5.620.907.208533 安卓漢化版
v2.987.2902.711761 安卓版
v5.917.4941 安卓漢化版
v4.7.1741.870856 IOS版
v9.82 最新版
v3.28 安卓最新版
v9.352.3247 安卓免費版
v1.822.3119.87644 安卓免費版
v4.518.3673.935722 IOS版
v2.386 PC版
v1.726 IOS版
v7.435 PC版
v8.290.260.346428 IOS版
v1.723.4139 IOS版
v1.34.9383.163168 安卓版
av一二
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
纲手被 c 黄扒衣
成人毛片 兰花网站
蝌蚪窝视频在线
思思精品视频
伽罗太华狂飙乳液
福利1福利2在线精品视频综合
国产在线自在拍91国语自产精品
超碰在线日韩公开观看
91老师的亲密指导
一级AAA特-黄AV片在线观看
苏州顶针厂家用小鲤营销导航
WWW、爱看爱爱视频、C0m
一区在线免费
91a人片在线
免费av黄观看
欧美日韩一级大黄片
91人妻捆绑抽打屁屁
一级毛片在线播放免费观看
豆媒体免费在线观看
免费高潮视频
国产又黄又免费AAAA视频
看黄平台在线观看免费视频在线
黄色视频视频网站免费
99 精品一区
国产精品毛片一区二区
婷婷激情综合
国产 高潮 白浆 芋圆
国产福利剧情在线