目今位置:首页 → 电脑软件 → 年轻人回家过年最大的焦虑 → 人人肏我 v6.248.9983 最新版
v4.706 IOS版
v8.983.5569 PC版
v9.746.7023 安卓漢化版
v6.759.5379 安卓漢化版
v8.101.9951 安卓免費版
v9.344 最新版
v2.317.2395 IOS版
v8.149 最新版
v1.306.7379 最新版
v4.34.3233.920615 安卓漢化版
v9.127.2398.495945 最新版
v5.195 安卓最新版
v4.948.2325.885093 PC版
v8.643.2915.13238 最新版
v1.274.1675.656038 安卓最新版
v7.788.5953.539607 安卓版
v9.192.5068 PC版
v3.665.8076.450676 安卓免費版
v8.2.3628 安卓版
v9.396.4238 安卓版
v5.531.2878 IOS版
v9.665.7836.637257 PC版
v7.816.2675.906633 安卓免費版
v6.240.2549.137021 IOS版
v2.864.1930.494768 安卓版
v9.689.1334 安卓免費版
v1.84 安卓免費版
v2.994 PC版
v6.0 安卓漢化版
v8.900.4805 IOS版
v5.209.5521.902660 安卓版
v7.263 安卓免費版
v4.804.9.751862 IOS版
v1.466 最新版
v9.465.4852.194006 安卓免費版
v6.228.2535 最新版
v6.866.4223.897759 安卓免費版
v7.608.9374 安卓最新版
v3.97.3547 安卓最新版
v7.475 IOS版
v4.216.6515 安卓漢化版
v1.722.3795.410648 IOS版
v3.485.9255.993450 最新版
v9.461.8418.636996 安卓最新版
v7.173 安卓最新版
v7.224.5974.74419 安卓版
v3.783.3653.490369 安卓版
v6.568.1157 安卓最新版
v9.652 安卓漢化版
v7.553.3714.103626 IOS版
v4.629 安卓最新版
v5.202.7078.963568 安卓免費版
v4.867 PC版
v6.149.8478 PC版
v6.535 安卓版
v4.740.4764.340390 安卓最新版
v6.959.2412 安卓版
v6.554.2162.426096 最新版
v7.249.8661 PC版
v4.7.7698 IOS版
v3.885.8241.327325 IOS版
v7.569.5480 最新版
v8.144.7557.443059 安卓免費版
v3.77 安卓免費版
v6.496.3086.400450 最新版
v9.347.9339.720833 最新版
v4.717.2967 安卓版
v8.700.1499 安卓版
v7.354.7234 PC版
v2.622.1062.786797 安卓最新版
v1.53.6269 IOS版
v6.644 PC版
v9.538.6351 安卓漢化版
v7.796.3928.747584 安卓最新版
v8.586.4943.841630 安卓漢化版
v9.594 安卓最新版
v9.870.8400 安卓版
v3.57.9527.819567 IOS版
v2.868.1755 安卓版
v9.107.3828 PC版
人人肏我
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
久久精品国产99国产精2020丨
本土精选性爱视频
日本色情网
按摩一级毛片真人
国产黄片视频免费在线观看
国产精品区第一页在线观看
一级AAA黄毛片啪啪
日日操天天干天天
鸥美黄色网站
武则天一级婬片60分钟
小柳的宝藏免费版在线观看
深夜一级毛片在线播放
青春草在线视频按摩按
男男gaygays18禁入口无套
久久久国产精品一区二区-人人操人人爽
视频精品在线
人妻无码久久系列
18 看片
性爱图片 性爱视频 性爱小说
一区中文字幕在线视频
好男人社区资源www在线
freepron韩国
伦视频中文字幕亚洲视频唯美视频欧美视频
日韩无码兔费黄色视频
黑帽门
韩国限制三级片电影网站