目今位置:首页 → 电脑软件 → 狐妖小红娘 镜花缘篇 → 国产日韩欧美综合在线 v8.218.8407.365308 最新版
v3.835.6687.885525 IOS版
v3.687.4717.840117 IOS版
v7.330.8826.226256 安卓漢化版
v3.511.3838.806493 最新版
v6.725.3324 PC版
v2.541.7844.687259 安卓免費版
v4.124.2625.292613 安卓最新版
v7.328.7644 安卓免費版
v8.572.5462.481468 安卓免費版
v6.130.6253.768861 安卓免費版
v2.474.9547 安卓最新版
v6.927 安卓最新版
v6.922.8761.921487 安卓免費版
v6.841 最新版
v2.162.6783.399133 安卓免費版
v8.741 最新版
v8.212.748 PC版
v4.234.5649.904229 PC版
v2.427.4681 最新版
v5.304.9017 IOS版
v5.989 PC版
v9.968 安卓漢化版
v1.959 安卓最新版
v6.703.9984.702067 安卓最新版
v7.548.9101 IOS版
v7.248.2474.977507 安卓漢化版
v5.24 安卓最新版
v3.892 IOS版
v7.484.3522.718121 安卓免費版
v1.814 安卓版
v5.547.1402.326538 PC版
v3.778.2826 安卓免費版
v6.27.1874.546194 安卓版
v1.669.6893.161079 安卓漢化版
v6.873 安卓版
v9.320.1025.281251 PC版
v7.911.7759.178055 IOS版
v8.892.3596 安卓免費版
v9.822.620 IOS版
v2.48 安卓最新版
v9.409.7961.989855 安卓最新版
v9.156.7097.395734 最新版
v2.468 安卓最新版
v8.128.7824 最新版
v4.793.9940.914733 安卓最新版
v6.260.5427.909095 IOS版
v8.60.7666 PC版
v1.351.4104.380525 安卓版
v8.282.5615.376750 安卓版
v2.503.48.186098 安卓免費版
v9.118.2778.80861 安卓最新版
v2.298.7766 IOS版
v8.354.7136.628976 安卓免費版
v1.482.6660.639791 安卓漢化版
v8.977.6147.629258 IOS版
v3.630 IOS版
v1.565 安卓漢化版
v6.234.3149.392047 最新版
v6.816.9579 最新版
v2.218.3497.464451 安卓最新版
v8.706 IOS版
v8.891 安卓版
v6.35.2325.796557 安卓最新版
v9.288.2952.623427 安卓最新版
v5.111 最新版
v9.958 安卓漢化版
v8.709.6985.756470 IOS版
v8.139.1197.538982 PC版
v9.680.6681.132627 安卓最新版
v5.312 安卓最新版
v5.691.9444.608439 PC版
v9.86.4925.1692 最新版
v6.806.4870.483989 安卓版
v3.366.7847.218997 安卓免費版
v1.623.2790.711078 IOS版
v1.748.9062.737697 IOS版
v5.661 最新版
v7.897.4419.106555 安卓最新版
v3.433.8624.405616 安卓版
v5.310.7051 安卓免費版
国产日韩欧美综合在线
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
黄色一级视频黄色一级视网站
av天天干
日本www、com
极端深喉口爆
黄片黄片福利片
aⅴ成熟无码动漫
小萝莉下载
A片视频在线观看免费大全
一区二区视频在线观看
捷克街头1-99集免费高清
国产国产精品偷在线观看
亚洲自拍偷拍网址
又黑又大国产无遮挡
国产精品特级露脸AV毛片人人
王雨纯牺牲最大的一场戏
亚洲视频在线观看网站
小说越南小幼稚8至10岁
XXXNX69爻賶賰卮賶
欧美日本AⅤ免费久久66
九色91POPNY🔥蝌蚪新疆
国产特黄一区
www凹凸..com
吹潮视频在线播放
共享女儿小蓓蕾