目今位置:首页 → 电脑软件 → 歌手2024阵容官宣引热议 → 干女人网 v8.119 安卓版
v8.561.2676.928158 安卓免費版
v7.593 PC版
v4.639.6039.201952 安卓漢化版
v5.254.1985.142089 安卓最新版
v1.24.5970.287504 IOS版
v4.738.1077.810928 安卓漢化版
v1.231 PC版
v8.470.6022 安卓免費版
v9.877 安卓漢化版
v1.531 安卓漢化版
v4.691.6826.407869 安卓最新版
v2.57.6259 安卓最新版
v6.975 PC版
v6.117.2090.827964 IOS版
v8.440.8766.927037 安卓免費版
v4.161.2629 最新版
v9.341 安卓最新版
v4.238.2808.74891 安卓免費版
v7.400.8734 安卓免費版
v4.36.7014.115171 安卓版
v6.693 安卓最新版
v2.257.1818 IOS版
v1.813 IOS版
v7.163 IOS版
v9.191.1457.567263 安卓漢化版
v8.718 安卓最新版
v3.366.2911 IOS版
v1.77.5263 安卓最新版
v4.486.6948.129251 安卓版
v4.62.2887.878510 安卓最新版
v8.351.519.265373 安卓免費版
v2.991.3256.460271 安卓漢化版
v9.182.4601.966098 最新版
v3.805 安卓免費版
v9.824.5386.951342 安卓免費版
v3.926.117.398873 安卓版
v4.632.2355 IOS版
v1.889.2032.447396 安卓免費版
v9.644.985.823118 安卓免費版
v3.315.8304.744244 安卓免費版
v8.95 安卓漢化版
v5.530 PC版
v1.450 安卓免費版
v3.657 安卓版
v6.63.3351 IOS版
v1.99 安卓漢化版
v8.559.7002.445311 IOS版
v3.463.8551.591423 PC版
v7.56 安卓漢化版
v6.729.1870.459888 IOS版
v3.252.6784 PC版
v2.241.5697 安卓最新版
v6.271.494.361140 PC版
v6.555 安卓免費版
v5.875.4067.803669 IOS版
v8.951 最新版
v1.972.516.414343 安卓漢化版
v9.98.3765.801742 PC版
v3.868.7592.326838 安卓最新版
v7.672.369.722440 PC版
v5.205 IOS版
v9.923.9328.908655 IOS版
v3.331.6948 安卓免費版
v6.930 安卓最新版
v9.354.1563 IOS版
v3.251.5461.225166 最新版
v2.443.6996.946259 PC版
v6.635.3001.220252 安卓最新版
v7.55.6261 安卓版
v2.824.8749.298166 最新版
v6.320.1497.514041 IOS版
v7.675.8731.300631 IOS版
v2.815.2198.359487 IOS版
v1.809.6754.147381 安卓版
v3.352 IOS版
v5.256 最新版
v5.747.9877.882647 安卓免費版
v4.317 PC版
v4.873.7828.379338 最新版
v5.615.4230.105705 安卓最新版
干女人网
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
同人动漫免费观看漫画大结局
激情说
18岁免费黄
国产福利真实
久久精品久
超碰中文字幕在线播放
美女光屁股被男人桶爽爽
国内毛片无码不卡免费
国产午夜理论在线观看
黄色区视频
2021AV天堂无码
真实破苞出血痛痛痛视频
禁止18以下进入网站免费
99视频精品在线观看
18🈲🍆🍑无套直国产3D官方版
宾馆嫖妓普通话对白视频在线
成 人 h 在线视频
棚户区老肥熟69XX
亚洲日韩视频一区
www.91zaixian
3p在线观看
午夜性爱福利
免费黄,黄色视频