v5.324.5378.255219 IOS版
v2.650.4774 安卓漢化版
v8.103.2553.267058 最新版
v1.90.2759.799697 最新版
v1.7.6426.481725 IOS版
v8.462.4289 IOS版
v2.868.2725 安卓最新版
v4.399.7560.922796 安卓版
v6.58.1012.978869 安卓最新版
v9.688.3444 最新版
v1.855.5862.365924 IOS版
v2.374.4972.320617 IOS版
v4.201.8019 安卓最新版
v2.796 安卓免費版
v1.578 PC版
v3.863.4509.449691 安卓最新版
v9.489.7603.772266 IOS版
v5.976.4856 IOS版
v7.382 PC版
v5.488.3213.709139 安卓漢化版
v7.318 安卓免費版
v3.616.6948 IOS版
v2.214.9497.335208 安卓漢化版
v8.620 安卓免費版
v3.904 安卓免費版
v4.231.7647.638472 安卓最新版
v2.275.6474.93754 IOS版
v9.294.5514 安卓版
v5.535.6953.43700 最新版
v7.518.8130.279285 安卓最新版
v5.472.3635 安卓漢化版
v8.481 安卓最新版
v2.74.8895 安卓免費版
v3.473 安卓免費版
v5.758 安卓最新版
v6.803.3249.712041 安卓最新版
v3.122 最新版
v1.452.2835 IOS版
v1.516.1075.595273 安卓免費版
v9.140.9237.22724 安卓漢化版
v9.621.2437.554260 IOS版
v5.808 安卓免費版
v1.614.8630 IOS版
v4.108.8106 PC版
v1.578 安卓最新版
v1.337.1781 PC版
v9.881.4921 安卓免費版
v2.538.311.595738 IOS版
v1.404.3594 安卓最新版
v2.892.8810.194942 IOS版
v9.442.9074 安卓免費版
v2.415.4751.78038 安卓版
v3.518 最新版
v2.356.861.973014 安卓免費版
v5.953.6882.562588 安卓最新版
v9.614.4384.721878 IOS版
v7.407.3761 安卓版
v2.67.8532.732535 IOS版
v7.526.8610.76966 安卓漢化版
v4.272.1320.720262 安卓漢化版
v7.200 PC版
v7.197.4680.151969 安卓免費版
v9.251.242.870447 IOS版
v3.584 IOS版
v3.720 IOS版
v4.537.4382.325827 PC版
v1.298 安卓漢化版
v7.224.792 PC版
v8.890.5049.149957 安卓版
v1.63 IOS版
v9.661.3979 安卓版
v6.428.7808.188711 IOS版
v4.129.2463.926453 安卓漢化版
v5.942.4367 IOS版
v6.691.1952 PC版
v5.422 最新版
v6.941 安卓免費版
v8.564.6780 IOS版
v5.487.7931.466431 安卓最新版
v1.571 IOS版
91尤物无码专区在线播放
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9999
色多多视频免费观看在线高清
邪恶黄色一级网站
www日本视频在线观看
97超碰热线
日韩女优在线观看
肉大捧一进一出免费观看软件特色
推特反差大赛网页入口
东北老妇XX 性开放老头
女性秘 黄中国
午夜免费福利电影网
在线看黄免费网站
黄色应用下载
🧧天博下载安装(全站)网页版
操视频免费看
96免费精品国自产拍在线不卡
欧美性交一级黄片
大陆无码
黄色视频可以看。免费的。
日韩免费视频一区二区三区免费
アニメ版「ゴムをつけてといいましたよね.
欧美色精品视频免费
超碰在线观看网址一网址二
美女在线视频网址