目今位置:首页 → 电脑软件 → 林诗栋能反超王楚钦吗? → 小草最新地址 v2.755.4951.772734 安卓漢化版
v1.491 IOS版
v2.968.5965 安卓最新版
v7.511.8758 安卓版
v1.868.7440.285738 安卓版
v4.94.8995.863384 安卓最新版
v3.975.7476.385655 PC版
v6.264.8485.421246 安卓最新版
v6.780.452.426333 安卓漢化版
v3.317.2417.367438 安卓漢化版
v1.388.2370.347135 最新版
v1.550.804 PC版
v3.313 PC版
v8.433 IOS版
v8.683.2794 最新版
v4.306.2587.571935 IOS版
v6.85.7310.552339 最新版
v8.452 安卓免費版
v7.924 最新版
v6.603.7271.358224 PC版
v6.966.2240 安卓漢化版
v1.920 PC版
v6.29.6301 安卓版
v6.602.1380.984913 安卓版
v9.510.6171.96375 安卓免費版
v3.280.4759 安卓最新版
v7.245 最新版
v7.160 安卓版
v9.448.6321.92872 IOS版
v2.216 安卓最新版
v4.349 安卓版
v3.131 PC版
v2.574.6388 PC版
v7.104.3768 PC版
v2.755.9535 安卓最新版
v5.719.3089 安卓最新版
v9.722.6896.142184 安卓漢化版
v5.309 最新版
v3.725.7048.83084 最新版
v2.931.7049 安卓版
v3.138.138 安卓漢化版
v9.45.2312.208185 PC版
v9.359 安卓版
v6.899 IOS版
v3.313.6977.967628 安卓漢化版
v5.524.9445.106099 安卓版
v8.767.4921 安卓漢化版
v6.123.8172 IOS版
v3.282.4971.495887 IOS版
v4.483.6393 安卓漢化版
v8.789.9490.473354 安卓版
v5.918 PC版
v5.831.1910.941088 安卓漢化版
v6.749.9271 IOS版
v1.374.590.42735 最新版
v8.591 IOS版
v4.19.2523.541232 安卓版
v2.416 安卓免費版
v3.287.1111.553390 最新版
v3.719.1172 PC版
v2.855.7776 IOS版
v5.622.9203.256204 PC版
v8.268.5352 安卓免費版
v9.295.5873.828016 最新版
v4.322.1966.418012 PC版
v6.249 安卓最新版
v5.79 PC版
v3.140 安卓漢化版
v5.96 最新版
v9.544.1998.471283 安卓版
v6.820 安卓版
v8.80.5463.67610 安卓漢化版
v5.794.7760.311017 PC版
v7.884.1378.165768 IOS版
v8.646.7358.390763 安卓版
v1.382.8860 最新版
v5.772 IOS版
v5.824.2355.4787 安卓免費版
v2.588.4858.844699 安卓最新版
v6.695 安卓版
v3.217 安卓版
小草最新地址
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
做受高潮喷水白丝袜
www欧洲午夜网站
欧美淫乱a片
人人操人人干高潮出水
www.人人操人人看
18分钟处破之轻点好痛
私人A片免费观看
综合网小说
a级毛片午夜久久久av一区二区
色综合久久夜色精品国产破解
火影忍者小樱被 羞羞动漫
动漫裸体美女被操在线观看网
亚洲日韩被 到爽 黑料
影院精品久久久久久
小初生 到爽 无套
亚洲天堂黄色网站b性爱
免费乱伦视频
91黄色大片在线观
女女激情性爱在线观看
在线精品91
二次元美女裸露无遮挡
纲手脱下裤子让鸣人桶爽
午夜伦伦电影理论片影