目今位置:首页 → 电脑软件 → 如何评价黑神话各平台优化表现 → 馃崋馃崙13 v4.139.5267.345136 PC版
v9.156 最新版
v5.437.7555.111687 IOS版
v8.66 安卓免費版
v7.216.7550.174298 最新版
v1.714.8520.732294 PC版
v7.32.6889.17753 安卓免費版
v9.433 IOS版
v7.183 最新版
v2.601.3790 安卓最新版
v9.156.1066 最新版
v1.63 IOS版
v2.964.8535 IOS版
v2.463 安卓版
v5.540 安卓漢化版
v9.690.3665.664214 PC版
v5.614.7685.531446 安卓最新版
v4.684.6980 安卓免費版
v4.883 最新版
v3.191.1248.266429 安卓漢化版
v1.844.9729.543054 IOS版
v9.625.8806.151486 安卓最新版
v1.114.6983 安卓版
v5.577.89.801089 安卓漢化版
v2.165.9822 安卓最新版
v4.718 PC版
v2.642 安卓漢化版
v9.823.6307.125991 安卓免費版
v6.409.8020 安卓最新版
v1.437.7270.758815 安卓版
v3.671.7600.98168 最新版
v7.656.6353.864012 PC版
v2.549.5486.755591 PC版
v6.680.4153.401744 安卓版
v8.486.186 安卓最新版
v5.708 PC版
v8.202.3222 安卓免費版
v3.281.4420.157971 安卓最新版
v1.654 安卓版
v6.394.2613 安卓免費版
v9.179.1525 PC版
v1.368.6467.890960 安卓漢化版
v6.675 安卓免費版
v4.169.788.775278 安卓漢化版
v1.606.564 最新版
v7.330.813.453906 安卓免費版
v5.508.8359 最新版
v1.272.6767.580803 安卓漢化版
v9.619.5252 安卓版
v2.970.8433.229629 安卓免費版
v5.603.3211 安卓最新版
v9.709.3486.45696 安卓漢化版
v2.548 安卓最新版
v2.255.2747.207029 PC版
v3.253.8890 最新版
v9.688 PC版
v1.1 PC版
v3.183 最新版
v3.246.7860.574898 IOS版
v6.557.6360 安卓漢化版
v5.635.6104 IOS版
v8.286.3138.744945 最新版
v4.200 安卓免費版
v7.652.4402.209419 安卓免費版
v5.42.8503.549445 PC版
v5.149.6641.833038 安卓漢化版
v8.251.4782.122242 安卓版
v8.800.5882 最新版
v1.527.333.140447 最新版
v7.996.1592 IOS版
v1.903.3609.395498 PC版
v1.227.7357.404053 IOS版
v1.23.3011.926360 安卓漢化版
v7.747.2623.441518 最新版
v3.375.1236.472014 安卓版
v1.153 最新版
v3.930.2579.765525 最新版
v5.576.1552.560213 安卓版
v7.436.3917.274825 安卓漢化版
v4.46.7708.184451 PC版
v6.906 安卓版
馃崋馃崙13
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
欧美性爱 AAA
黄网址在线观看播放
免费看网站毛片
国产精品视频欧美激情
人人人操超碰
中文av网
欧美国产538精品A级
伪娘被c到爆
欧美另类图区
韩国主播徐艳的最新消息
国产在线毛片
欧美日韩国产一二三区
少妇婬荡视频在线播放
一级b排放标准欧美一级黄片免费的
水晶丝瓜18禁
H动漫纯肉无遮挡
中国色色网站
杨幂范冰冰迪丽热巴
黄色网站免费看看