目今位置:首页 → 电脑软件 → 广东本周暴雨大暴雨再来袭 → 人人插人人操人人舔 v7.533.3395.778334 最新版
v3.815 最新版
v8.859.2068 安卓漢化版
v3.14.3687.557654 安卓免費版
v7.811.5236 PC版
v9.496.9863.177017 安卓最新版
v7.122.2254.172118 安卓版
v3.482.9325.600822 PC版
v8.794.2034.347566 安卓漢化版
v9.866.3900.546807 PC版
v4.333.6426 IOS版
v8.262.4276.136829 安卓漢化版
v5.363.4233.790166 PC版
v2.401.7484.114181 安卓版
v3.41 安卓版
v1.425 安卓免費版
v1.898.1520.393051 安卓最新版
v9.820.8518.968987 安卓版
v9.688.1545.978796 PC版
v3.19 安卓版
v7.525 IOS版
v3.498.7405 IOS版
v4.178 IOS版
v9.232.8428.371476 安卓免費版
v3.194.6148.84415 PC版
v8.836.2690.529678 安卓版
v8.87.6061.637063 IOS版
v1.988.7506 安卓最新版
v1.904.2777.486229 最新版
v3.252.9356.105522 安卓版
v2.579 IOS版
v7.705.3043.888381 IOS版
v9.177.1968 IOS版
v8.412 安卓版
v9.387.3771 安卓免費版
v2.640.7330.48611 安卓漢化版
v4.883.8187 最新版
v3.188.7477.189250 安卓版
v2.704.890 安卓最新版
v6.46 安卓免費版
v7.532.6452 PC版
v3.67 安卓最新版
v8.164.940.350364 IOS版
v5.684.2880.237359 安卓免費版
v7.498.6808.57566 安卓漢化版
v5.172.7462.767262 PC版
v9.582.2709 安卓最新版
v5.371.441.300994 安卓漢化版
v6.913.3696.317439 安卓免費版
v1.610.2898.600560 安卓免費版
v9.630.6767.74697 安卓最新版
v7.402.5473 安卓免費版
v9.992.5616.601412 安卓最新版
v8.879.7862.858536 最新版
v1.127.8701.651563 IOS版
v1.161.3927.369303 IOS版
v4.812.7881.214574 PC版
v2.25.9879 安卓最新版
v5.717.9534.643061 IOS版
v4.470 安卓版
v5.520.8530.662116 IOS版
v9.831.2784 安卓最新版
v4.774.8536 最新版
v3.438.7677 安卓最新版
v7.143.6139.214657 安卓最新版
v9.15.430.908895 安卓版
v8.326.6470.189534 IOS版
v5.467.9950.718582 IOS版
v4.325 安卓免費版
v3.602 安卓漢化版
v5.44 安卓版
v6.815.9090.8992 安卓漢化版
v5.856.6213.772411 IOS版
v5.914.8568.147979 IOS版
v1.701 PC版
v1.358 最新版
v7.545.1809 安卓免費版
v6.259.7771 安卓漢化版
v9.559.3952 PC版
v7.970 PC版
v2.429.6678 IOS版
人人插人人操人人舔
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
a片成年人黄色网站免费
欧美精品日韩精品
日韩 精品 综合 丝袜 制服
国产永久地址
米塔被奖励
国产丰满老熟女重口对白
欧美福利片网址
黄色成年a片网站
国产AV一区二区三区香蕉品善网
祢豆子同人18 黄漫
美女少妇高潮一区二区
蛋小绿双腿产牛奶视频最新消息
污网站在线观看直接看
acfan成人版
玖玖有精品视频
国产一级a爱片喷出水高潮
奇优影院理论片第一页
在线a视频48saocom
免费AV资源
工口实验室ERPLABS
国产精品秘 麻豆免费版乌克兰