目今位置:首页 → 电脑软件 → WTA年终总决赛预告片无郑钦文 → 曼珠沙华焯出水 v9.929.185.753272 安卓漢化版
v7.722.3680 安卓免費版
v1.365.7012.854142 最新版
v4.81 IOS版
v5.24.6975 安卓最新版
v6.289 安卓最新版
v7.15.4701.292012 最新版
v1.609.6785 IOS版
v7.878.8926 PC版
v3.925 最新版
v7.309.3340.128982 PC版
v2.101.682 安卓版
v6.460.2488.723351 安卓漢化版
v4.197 IOS版
v3.125.1154.894582 PC版
v3.618.453.764315 IOS版
v2.22.4429.237040 PC版
v1.785.4340.316277 PC版
v1.406 PC版
v4.553.190.607389 最新版
v8.892.5533.856250 安卓漢化版
v4.117.9609.957262 安卓漢化版
v1.621.9105.951723 安卓免費版
v9.870.1743 安卓最新版
v6.773 IOS版
v1.589 最新版
v9.138 安卓免費版
v2.275 安卓版
v8.39.164.569113 PC版
v6.133 最新版
v9.74.2803.742003 安卓免費版
v7.771.5305.724365 安卓最新版
v2.176.3335 PC版
v6.551.1826.384727 最新版
v7.624.7844.954259 安卓最新版
v3.711 PC版
v2.480.2504.426568 安卓最新版
v2.636.1417 安卓最新版
v8.451.1416 最新版
v4.406.9469.844426 最新版
v8.888 安卓漢化版
v6.988 安卓漢化版
v3.508.5102 安卓漢化版
v7.380.2093.530556 PC版
v9.288 PC版
v8.868.7229 PC版
v4.649.3102.624233 最新版
v5.582.4197.993220 安卓免費版
v7.513.4932 PC版
v5.281.5148 安卓漢化版
v7.226 安卓免費版
v8.329 安卓版
v1.349.1802.406065 安卓免費版
v5.468.9334.618501 安卓版
v5.954.7127.280583 IOS版
v5.780.3382.393192 安卓漢化版
v1.661.961.550291 PC版
v2.868 IOS版
v4.589.5582.776273 最新版
v2.939.5066 安卓漢化版
v5.418.5475 安卓漢化版
v7.905.882.552249 安卓免費版
v7.276 安卓漢化版
v3.228.9286 IOS版
v4.765.7095.501807 IOS版
v9.274.7775.238363 安卓最新版
v1.338.5507 安卓漢化版
v8.888 PC版
v3.825.1501.545763 PC版
v2.317 最新版
v5.503.3927.817962 安卓版
v6.202 PC版
v7.681.8918.997485 最新版
v1.518.8054 安卓版
v8.607.5532 安卓版
v2.784 安卓版
v5.15.9224.109266 IOS版
v2.234.1852.331137 最新版
v9.906 最新版
v7.167.3630.572249 安卓免費版
v3.746.4425 PC版
曼珠沙华焯出水
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
欧美人妖性交色情欣赏
毛片免费视频观看午夜大片一级一级看片免费视频
色综合官网
撕开丰满老师的黑色蕾丝内衣
激情小说和视频
男女XX00上下抽搐动态图
a片免费网站在线观看
人人操 人人肉 人人摸
欧美色图日韩色图
artists免费下载
国产一级片91毛片
色哟哟无码网站
特级特黄恃色大片免费视频
欧美A片久久
进去里 韩漫
3D全彩福利肉彩漫
亚洲精
制药厂黄色电影
黄色无码av
成熟熟女熟妇XX
WWWWWW免费视频
肏屄在线观看国内
主人把女佣内裤扒开给我看
异界猎妻人漫画下拉式