v2.931.8066.150907 最新版
v3.773.9521.421681 安卓漢化版
v5.407.4181.645608 安卓版
v5.629.6771.456109 安卓免費版
v3.424 安卓版
v5.481.1061.144519 IOS版
v5.119 IOS版
v4.718.110.890014 安卓最新版
v5.691.1503.967653 安卓版
v9.170 PC版
v5.866.8184 PC版
v1.234 安卓免費版
v8.838 IOS版
v2.22 最新版
v8.312.538.661923 安卓最新版
v4.340.4564.512731 最新版
v5.147.8853.992960 安卓漢化版
v2.26.6167 安卓免費版
v4.970.2113.263887 安卓免費版
v1.768.6474.558791 最新版
v6.414 安卓最新版
v9.425 IOS版
v7.844.9787 安卓版
v4.418.6597.165234 最新版
v3.904.6308 安卓最新版
v9.913.215 安卓漢化版
v7.864.9059.256050 安卓最新版
v1.88.4086.117009 安卓最新版
v9.715.6947 安卓最新版
v9.282.7541.552347 安卓漢化版
v1.829.6525.562390 最新版
v2.713.1300.606469 安卓最新版
v2.310.2752.159781 安卓最新版
v8.995 安卓版
v1.785.8219 安卓漢化版
v7.598.9379.684998 PC版
v1.684 安卓最新版
v8.87.5164.831343 PC版
v2.505.8610.690631 安卓最新版
v6.997 IOS版
v7.460 安卓版
v1.84.4360.585406 安卓漢化版
v3.96.6384 PC版
v6.140.3587 IOS版
v9.574 安卓最新版
v9.400.7024 最新版
v8.802.7923.398018 安卓免費版
v9.890.2530 安卓漢化版
v9.607.7518 最新版
v9.773.5076.689514 安卓漢化版
v4.384.3804.116889 安卓漢化版
v3.48.5990.297101 安卓最新版
v1.280 安卓最新版
v8.794.1426 安卓漢化版
v9.648 安卓最新版
v5.558.1621.684490 最新版
v1.804.1064.432661 安卓免費版
v7.3.4617.806931 安卓免費版
v1.176.7581 安卓最新版
v5.51.7395 安卓免費版
v2.616.6295 安卓版
v5.517 最新版
v7.682.8982.248042 IOS版
v6.377.9653.265548 最新版
v7.926.7213.978415 安卓免費版
v4.185 安卓免費版
v4.52 IOS版
v2.520.2784 安卓免費版
v7.569.8204.543264 安卓漢化版
v4.612.2212.451922 安卓免費版
v4.785 安卓漢化版
v9.331.7978.372376 安卓免費版
v5.368.3282.175060 IOS版
v5.511.4233 安卓免費版
v7.534 安卓免費版
v5.836.2167.424500 安卓漢化版
v1.379.1501.73633 安卓漢化版
v1.606.5169.494472 IOS版
v8.744 IOS版
v9.938.2808.465656 IOS版
小东西好久都没🌿你了视频
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
国产婬妇 91
91亚洲精品福利在线播放
人人看精品视频xx
香港三级黄片电影人与狗交配
老师又爽❌又黄❌免费动漫
久久久久久一级毛片中国
激情视频一区
欧美日韩电影
免费看操美女网站
爱爱动态图
WWW1,2019,C0M黄色视频
亚洲国产精品自
亚洲无码捆绑式
久久久婷婷五月天
啊啊啊啊啊好爽好大视频
日韩欧美国产视频
污视频在线观看国产
精灵美女被c
免费看黄色网站 黄色
99久热国产模特精品视频
成年美女黄网站免费视频大全久久
人人草人人操欧美
小yoyo萝li㓜交免费网址
思思热国产在线
97在线视频精品免费观看视频