v7.883.7533 安卓最新版
v9.764 安卓免費版
v4.416.368 最新版
v3.597.3227.123416 IOS版
v6.906 安卓漢化版
v7.154.6994.27494 安卓漢化版
v3.261.702 安卓最新版
v4.927.8219.665510 安卓漢化版
v2.508.3283.132752 安卓漢化版
v8.41.3952.133125 IOS版
v4.472 PC版
v6.691.7614.893258 安卓免費版
v8.702.4610 安卓免費版
v7.661.6884 安卓版
v8.388.2.202053 安卓免費版
v5.798 PC版
v8.35 安卓版
v9.744 安卓版
v2.188.6672.294215 最新版
v9.571.9840 安卓漢化版
v3.163 安卓漢化版
v6.234 PC版
v8.118 IOS版
v1.495 安卓最新版
v3.57 PC版
v7.533 PC版
v2.619.8878.817342 最新版
v2.55.4954 安卓版
v9.45.3751.487072 最新版
v3.295.4688.760038 IOS版
v7.338.7996.542158 IOS版
v1.781.2321 安卓免費版
v6.821 最新版
v4.619.3667 安卓最新版
v1.601 安卓漢化版
v3.190.5914 安卓版
v1.563.9110.696494 IOS版
v8.808.7858.300576 安卓免費版
v1.363.6244 IOS版
v8.352.6570.486327 IOS版
v2.587.5403.244011 最新版
v8.759.4536.854495 安卓免費版
v9.905.2310 最新版
v6.493.666 最新版
v5.681.8973.61239 IOS版
v4.14.309.417487 最新版
v3.500.5663.956864 安卓最新版
v7.27.1595 PC版
v8.616.7938.544414 PC版
v3.134.2633.381593 PC版
v8.941.7124.481625 安卓免費版
v7.866.4245.371441 IOS版
v3.81.1308.705227 安卓版
v1.564.1033.701461 安卓免費版
v5.15 安卓漢化版
v6.189.7879 PC版
v7.443.6473.85404 最新版
v2.261.3478.142814 安卓免費版
v5.953 安卓版
v6.273.5804.304213 最新版
v1.694.9431.40261 安卓漢化版
v8.777 最新版
v8.271.7590.490705 安卓漢化版
v6.453 IOS版
v8.12.8446 安卓版
v1.140.719.560862 安卓漢化版
v5.687.600.4320 安卓漢化版
v2.75.9489.647355 安卓漢化版
v3.878.4815.365239 安卓版
v1.736.7643.588615 安卓免費版
v8.761.8440.103874 安卓漢化版
v3.775.2505.127742 最新版
v5.376.1104.878808 最新版
v3.49.1627.412016 安卓漢化版
v1.424.5914.632621 IOS版
v1.494.8112.453295 安卓版
v6.712.8277.952766 最新版
v2.816.6171 安卓最新版
v2.384.9918.577965 PC版
v4.401 最新版
欧美性爱福利网在线观看
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
在线看av激情图片
欧美激情,亚洲A∨综合
护士好紧 开裆蕾丝内裤动漫
99日韩精品视频免费看
无尽 裸体 动漫
最近更新中文字幕第一页
男憋尿勃起被揉下
一级A爱A片免费观看
东北妓女脏话对白AAAAA片
国产小电影网站
免费A级毛片高清
午夜一级特黄特黄大片
快播少女欢乐
A黄色网站在线播放
在线亚洲色欧美色
美女被草网站下载
猛男资源裤
人妻密室監禁調教ドキュメント... - laosptv.xyz - 色批佬 - 防封地址 - 牢记
曰批全过程免费视频观看软件
在线黄网址
校🌸被吊起来柔双乳被射
naimi奶咪番外免费
国产一级在线手机免费看视频
毛毛片A片免费播放
AVCOm性爱A片手机在线免费观看
男人把大鸡巴放阴茎里视频
黄片操比视频免费看