目今位置:首页 → 电脑软件 → 成毅王权富贵高清正脸照 → 男女做运动 v1.30 安卓最新版
v7.32.5203.758340 安卓最新版
v2.721.8085.708292 安卓最新版
v6.934.3444 最新版
v4.246.2841.403486 安卓版
v9.233 IOS版
v8.937.4134.10105 IOS版
v3.443.8491 最新版
v2.319.8029.382466 IOS版
v4.288 安卓最新版
v5.14.9382 安卓版
v6.537.9326 安卓版
v2.277 最新版
v1.813.5603.144834 安卓版
v2.248.9300.250914 PC版
v8.816.7737.883576 PC版
v9.52.9822.229772 安卓漢化版
v6.282.3039.205199 安卓最新版
v4.972.6158 最新版
v3.915.273.927876 安卓免費版
v1.984.2343.449447 安卓漢化版
v9.766 安卓最新版
v1.287.8302.765183 最新版
v3.8.5320 安卓最新版
v4.801.9639 安卓最新版
v8.398.3555.419086 PC版
v5.229.3507 安卓版
v2.6.4768.162818 PC版
v3.961.9867.836845 安卓最新版
v5.154 IOS版
v9.983.6283.144934 PC版
v3.165.4224.186607 安卓免費版
v6.640.7179.763869 最新版
v6.967 安卓漢化版
v8.470 安卓最新版
v8.552.235.513690 最新版
v7.263.6241 安卓免費版
v1.127.9420.853703 安卓最新版
v7.954.7141 安卓免費版
v9.777.4245.656640 安卓最新版
v5.744.4888.149787 安卓漢化版
v5.323.7611.146408 IOS版
v3.751.977.893100 PC版
v9.486.4025 最新版
v7.173.6399.733671 安卓漢化版
v5.531.2263.558185 最新版
v6.845 PC版
v7.367.183 最新版
v2.549 安卓最新版
v8.712.677.720766 安卓版
v9.970 安卓最新版
v2.741.3418.478730 PC版
v4.798.3838 安卓最新版
v7.522.3807.954697 PC版
v4.678.1680.957308 安卓版
v5.517.7886.155133 IOS版
v3.942 安卓漢化版
v1.563.3585 PC版
v5.628 安卓免費版
v7.727 IOS版
v4.745.1239.817198 安卓最新版
v3.304.3612.181616 PC版
v3.367 PC版
v7.153.1477.863486 最新版
v3.218 PC版
v1.782.9100.741074 最新版
v4.653.2845.420651 PC版
v1.879 PC版
v1.159.130.157839 最新版
v4.166.870.716213 安卓漢化版
v4.933.7838 安卓免費版
v6.848.7375 安卓漢化版
v6.847.24 PC版
v8.231.4558.985170 安卓免費版
v1.191 PC版
v4.269.5670.401314 IOS版
v5.926.5394.495628 PC版
v2.813 PC版
v8.821.4053 IOS版
v8.181.8360 安卓最新版
v4.86 安卓免費版
男女做运动
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
综合玖玖色
少萝又爽 又黄 丝袜麻豆
99视频热播久久
刘玥A片
插少妇
丝袜脚精子18
黄色录像三级片国产
被触手狂c躁到翻白眼高潮动漫
香蕉操萝莉
人人插人人操舒服
欧美区 在线
国产av人人操人人曰
国产51海角黑料秘 入口
亚洲黄色熟妇视频
大坑日逼
国产免费性交
电影1024官网在线观看
久久精品国产久精国产
免费在线色网址
国产综合1
国产伦精品一区二区三区免费
推特中国版r8下载
欧洲黑白配欧美黄色高清免费一级视频
日本护士体内谢精
一线被操污免费专区