目今位置:首页 → 电脑软件 → WTT中国大满贯参赛名单公布 → 亚久精品兔子洞 v3.539.855 最新版
v9.49.6995 安卓版
v4.440.3483.379822 安卓版
v4.549.9233 最新版
v1.146 安卓免費版
v2.45 安卓免費版
v2.440.5494.673812 安卓版
v9.697.7866.953365 安卓免費版
v9.29.5263.459502 安卓最新版
v4.49 最新版
v8.501.8833 安卓最新版
v6.798 PC版
v7.181.5681 安卓免費版
v8.795.924 安卓版
v4.148.4710.280526 安卓漢化版
v3.930.1061.571717 安卓版
v6.207.8326.512161 PC版
v1.677.8584 安卓漢化版
v8.368 安卓漢化版
v7.173.3897 安卓免費版
v4.837 安卓漢化版
v9.7.7045 安卓最新版
v8.991.9295.51894 安卓漢化版
v8.593.2037 PC版
v9.875.875.286140 最新版
v6.659.398.7651 最新版
v4.306.2709 安卓版
v9.724 PC版
v3.221 安卓免費版
v8.951.3769 安卓最新版
v7.226.6329.223163 安卓漢化版
v2.498 安卓版
v2.277.5024.766651 PC版
v6.598.8544 IOS版
v6.871 最新版
v9.919.9441 最新版
v6.816 安卓最新版
v9.76 安卓版
v1.280.9102.210312 最新版
v8.680 PC版
v3.581.8209.850949 安卓免費版
v5.474.7973.824016 最新版
v8.455.4284 安卓免費版
v6.731.3394.784095 安卓版
v5.241.5840.52460 最新版
v6.928.9205.626364 安卓版
v5.287.9578.57979 安卓最新版
v2.952 IOS版
v6.470.405.741572 最新版
v5.287.9568.513968 安卓最新版
v3.743 安卓版
v7.908.3858 PC版
v4.473.2073.143209 PC版
v8.406.1540.99341 安卓漢化版
v3.730.8286.196288 最新版
v4.200 安卓最新版
v5.666.8816 安卓版
v5.963.1983.244335 最新版
v9.616.175.570405 PC版
v2.909.2605.752736 最新版
v6.872.302.75123 安卓免費版
v9.99 安卓版
v3.41.2063.678990 安卓最新版
v8.310.3801 PC版
v7.329.6337 安卓免費版
v3.74 安卓免費版
v5.357.8129.525922 IOS版
v7.726.7359 PC版
v4.421 安卓版
v2.518.2124.26766 安卓免費版
v4.688.1376.165187 安卓版
v8.450.5395.173765 安卓漢化版
v6.692.3509 安卓免費版
v2.842.1306.77550 安卓漢化版
v6.343.89.114224 安卓漢化版
v8.796.1002.785515 安卓版
v9.266.6227.551075 安卓免費版
v1.927.9566 IOS版
v9.121 安卓漢化版
v6.750.2002.843103 PC版
v3.571.7730.64944 安卓免費版
亚久精品兔子洞
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
欧美黑人巨大精品videos4K
69视屏
亚洲妇女毛浓浓的牝户
国产黄色
狼友视频高清无乱码免费观看
黄色一级毛视频在线观看
性HD喷浆 潮喷
东北老妇野外猛交
AV无码播放一级毛片免费网站
手机一级在线视频
中国艳妇裸体欣赏
貂蝉奖励自己核心提示
久综合网
gOgO大胆视频
老熟妇厨房乱子伦系列视频
麻豆18禁在线观看污污污在线观看污污哥哥不要太大了爸爸不要太大了
欧美成熟美熟妇高潮连连
新疆旱厕偷拍36分钟
日本免费一级婬日本片
黄片Aaaa片一级一级免费
www.773c.cn免费网站入口下载咨询视频
69国产超级乱婬Aⅴ片
激情图片亚洲专区
尿尿挤奶视频
国产亚洲一区视频
婬荡乱婬A级毛片
日本在线a免费观看网站不卡
h漫画
只有这里精品黄色视频久久
全黄毛片