v5.360.9432.169957 安卓版
v7.733.3247.492451 安卓漢化版
v9.244.885.413677 安卓版
v9.398.6264.69529 安卓版
v4.828 PC版
v5.235.6724 IOS版
v1.880.6400.535688 安卓漢化版
v5.374.3927 安卓漢化版
v3.989.4862.908579 最新版
v7.137.832.544305 安卓漢化版
v6.618.4084.967826 安卓版
v3.134 PC版
v3.855 PC版
v9.147.8363.903792 最新版
v7.373.2461.572543 IOS版
v2.630.5399.717418 安卓免費版
v3.863 安卓免費版
v8.142.6133.860379 IOS版
v7.411 IOS版
v7.803.5746.798605 IOS版
v1.89 安卓免費版
v5.524.5712.37990 安卓最新版
v9.195.4209.679078 PC版
v3.637.9485.955918 PC版
v5.899.8475.793700 最新版
v7.745 安卓漢化版
v9.522 安卓免費版
v6.344.8600.437357 安卓漢化版
v6.934.6717.240998 安卓版
v7.325.9932.626409 安卓最新版
v3.515 IOS版
v7.691.1860 安卓版
v2.458 安卓免費版
v8.579.6279.540931 安卓最新版
v8.807.5556 安卓漢化版
v3.645.6081 PC版
v8.3 安卓漢化版
v6.954.5034.52071 安卓最新版
v3.499.1370.327965 IOS版
v6.20.7716.94737 安卓漢化版
v9.481 IOS版
v1.831.6359.443840 安卓版
v9.773 安卓最新版
v3.794.1424.448587 PC版
v9.574.4107.912058 安卓最新版
v5.62 安卓漢化版
v5.444.1061 IOS版
v4.403.7298.658217 最新版
v7.737.105.547223 PC版
v3.500 最新版
v2.403 安卓免費版
v4.225.4256.544893 安卓免費版
v3.982.7227.720460 IOS版
v4.560.6331.552229 安卓免費版
v4.462.9899.258268 安卓免費版
v8.349 IOS版
v7.393.487.293424 PC版
v5.163.4925.48259 最新版
v6.85.5795.184606 最新版
v5.563.8838.591134 PC版
v8.682.4510 安卓免費版
v2.593.9222.800714 最新版
v8.25.9165.486256 PC版
v1.840.5845.633793 安卓版
v4.285 安卓免費版
v7.550 最新版
v1.398 PC版
v4.337.6151.491179 PC版
v2.777.8775 IOS版
v5.407.9222 安卓漢化版
v2.156.7084 安卓免費版
v5.29.7791.959137 安卓最新版
v5.367.6326.396730 最新版
v2.913.4888.555685 安卓版
v7.349.2364.723552 IOS版
v2.943.1547.346855 安卓最新版
v7.23 最新版
v1.717.3392 最新版
v1.96.497 安卓免費版
v4.718.3437.165149 安卓免費版
全肉伦交
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
美女被c啊啊
精品 区二网址
黄美女无遮挡下载露逼骚
黄色仓库免费下载
明星潜质规则之星免费阅读全文
潮喷自慰裸体网站
两个男的光屁股互摸jj文
亚洲久草网
欧美一级小视频免费A片
欧美风情在线操
啊啊日一级在线观看
成年黄页在线视频免费观看大全网站
欧美AA欧美电视频丁及片免费看
性爱a片日B网
黄色视频在线91
男男基片gay
动漫美女喷水视频网站
日本被 到爽 奶头
国产精品视频手机任
亚洲一区二区三区四虎www
免费看人小女生倍位
欧美人A级视频
免费看一级片在线观看免费