v4.62.5698.264647 安卓漢化版
v6.515.5864.62730 安卓版
v6.895.7504 IOS版
v2.766.7527.296911 安卓版
v8.879.754.923600 安卓漢化版
v4.156.412 PC版
v5.785 安卓最新版
v7.202.521.71487 安卓最新版
v3.854.5805.936462 最新版
v6.28.1174.975342 安卓免費版
v9.185.7263 安卓版
v8.433.1282 安卓漢化版
v9.362 安卓免費版
v3.405.1728 IOS版
v6.907 安卓免費版
v7.787.4466 安卓最新版
v2.892.9581 PC版
v9.237.9618 IOS版
v1.692.93.765020 安卓版
v3.383.9957.660337 最新版
v8.722 安卓版
v4.460.426.54435 PC版
v1.14.2573 IOS版
v8.665.4482.276637 最新版
v8.435.601.871234 安卓漢化版
v1.691.7090.398617 IOS版
v8.389 安卓免費版
v7.318.8824.949235 PC版
v3.554 最新版
v9.661 安卓版
v6.64.7950 安卓版
v9.338.5545.900005 最新版
v1.182.8287.657018 最新版
v3.249.2876.656400 安卓最新版
v7.83.2725 PC版
v6.891.6409.817548 IOS版
v6.104 PC版
v2.833 安卓漢化版
v6.77.6294 安卓版
v7.655 安卓版
v3.232.3484.151107 安卓免費版
v6.397 PC版
v9.734.6312.699523 安卓免費版
v1.277.2738.377435 安卓漢化版
v1.506 安卓最新版
v8.551.1216.799711 最新版
v6.736.8022.823951 安卓版
v4.957.2834 安卓免費版
v2.580.6147.525663 安卓最新版
v5.118.6.451913 PC版
v1.174 PC版
v5.205.6190.28092 IOS版
v2.196 IOS版
v6.219.2873.838855 安卓漢化版
v2.172 安卓最新版
v8.521.6769.139810 最新版
v7.807 IOS版
v4.330.5255.921140 安卓漢化版
v4.730.740 最新版
v6.757.2129 安卓版
v5.465.100.568661 PC版
v7.984 最新版
v5.878.2802.597363 安卓版
v4.793.599.13132 安卓最新版
v1.435.4663.106516 安卓免費版
v6.53 最新版
v2.888.1323.906090 安卓最新版
v4.163.6335.577793 PC版
v9.926.4290.442133 IOS版
v3.994.4781.950409 PC版
v4.461.3110.630681 安卓版
v3.259.146 安卓最新版
v4.776.6185.911992 最新版
v3.778 PC版
v8.216.7237.619847 安卓版
v7.824.3601.644468 安卓免費版
v4.617.4845.305478 安卓版
v6.141.8123.928313 PC版
v9.630.7719.220481 安卓免費版
v7.538.3212 IOS版
人人操人人爽夜夜爽
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
美女的隐私尿口秘 网站
杨幂下面被揉到高潮了
肏逼要啊啊啊
国产偷自产拍在线播放
大精鱼官方网站入口
国产CAO在线视频
9299yy看片婬黄大片在线
www,3p
日韩三级α片
唐嫣裸被 高清网站
6080三级在线视频
/性爱视频网址
三级片黄片免费看
沟厕全景偷拍美女撒尿
国产农村盗摄视频
www.91vs.com.
韩国婬片A片AAA毛片A级
男模露鸡勃起网站
国产一级在级在线播放免费不卡
原神同人18 动漫免费
骚B美女A毛A毛
草草最新发布地址