欧美一区二区视频三区,独特的视觉设计与流畅的操作体验,让人爱不释手

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗 ?中科院新基准给出谜底

2026-01-09 17:30:03
泉源:

猫眼影戏

作者:

孙云江

手机审查

  猫眼影戏记者 段玉嘉 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:日B要日小嫩B

??01月09日,北京交响乐团开启2024年音乐季大幕 大师云集沟通中外,

  (四)理清思绪,超前谋划,狠抓事情落实。

,国产精品每日更新在线播放网址。

??01月09日,广东海事启动防汛Ⅱ级应急响应 东江北江部分水域停航,

  各地哗然,所有人都诅咒不已。

,欧美特黄视频,黄色网站给我看看,亚洲 色情43。

??时势2:99riAV 无码

??01月09日,东北茭白种植为盐碱地改良利用探索出新路径,

  “显然,山脉深处有一只火兽,但应该不是传说中的神雀,由于那太不现实了。”这时石林虎等人也来了。

,美女J8,Sbc0058,欧美激情αV一区二区三区。

??01月09日,“地球巨眼”建造又有中国贡献 SKA中频天线结构发运南非,

  小不点一副很主要的样子,急遽启齿,道:“大叔,你说的,不必我赔铁锤!”

,狠狠99,黄色片欧美a片黄色的黄色片ab片黄色的视频a级片黄色,韩国毛片。

??时势3:纯洁女学生被强伦轩视频免费观看

??01月09日,【我们共芳华——党外人士话复兴】王俊谈中国胸腔镜手术早期推广:像“过街老鼠”一样人人喊打 但是哪怕是个门缝我也要过去,

  远古魔禽横空,一爪子落下去,震碎了中年人无尽的符文,将其一条手臂连带着肩头撕了下来,差一点将他活活劈成两半,鲜血淋淋,在山地上喷溅。

,18岁美女网站,黄色激情四射网,日韩欧美亚洲国产a。

??01月09日,(两会速递)中山大学今年将在香港设立高等研究院,

  此后,他想到了一个严重的问题,柳神是究竟什么年月的生灵,它所说的事,岂非是亲眼所见 ?

,欧美色视频日本片免费,韩日三级视频网,婷婷综合av。

??时势4:欧美饥渴少妇XXXXX性

??01月09日,新疆首个中医药文化及野生植物司法保护基地成立,

  各人上周肯定已经听到了我去职的新闻。网上的说法许多,今天我想照旧跟各人交流一下。另外,更主要的是,向各人详细说明我的下一步偏向。

,尤尔哈2b的爆乳约炮裸装露胸不穿衣服,男人和女人相互露隐私视频,国产精品午夜福利欧美一区。

??01月09日,2024新能源电池产业发展大会在山东枣庄召开,

  自去年召开事情聚会至今,已经已往了整整一年,最显着的感受就是时间过得很快。在这一年中全院上下起劲事情,虽然泛起了倒运因素的影响,但我院的各项事情照旧取得了不少的效果。尤其是在教学事情方面的效果是有目共睹的:本科生、研究生的招生人数突破纪录;教学督导组事情顺遂开展;学科建设深入人心;全体西席的心血之作--教学纲要乐成付印;完全学分制的实验已经确定……可以说泛起了我院亘古未有的好时势,为下学年周全推行学分制刷新涤讪了坚实的基础。

,小黄片免费高清无码在线观看,成年人午夜视频网站,.精品国产首页,。

【互鉴丨大国外交进行时 中法关系新甲子】

【沙特外交大臣:如果巴勒斯坦问题得到解决 沙特可能会承认以色列】

责编:张明敏

审核:张小雷

责编:张建玮

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图