v1.909.7634 安卓最新版
v8.570.401.63909 安卓免費版
v2.78.2910.82613 PC版
v6.66.5553 安卓免費版
v3.243.4084.210910 安卓版
v6.708.3417 最新版
v5.296 最新版
v9.348.1317.682874 安卓版
v7.361 安卓免費版
v2.887 安卓漢化版
v8.540.9297 PC版
v1.473.6668.453881 安卓版
v9.61.8485 安卓版
v3.755.2986.272769 最新版
v6.717.8382 安卓免費版
v4.260.8213.663981 IOS版
v2.990.5770 安卓漢化版
v7.994.5532.580155 IOS版
v8.138 PC版
v5.903 安卓漢化版
v6.776.479.476032 安卓最新版
v4.658.3303.283228 安卓最新版
v5.785.7928 安卓漢化版
v1.456.5104.120343 最新版
v9.430.5202.837333 安卓漢化版
v2.468.7943.234807 安卓免費版
v6.730.8437 安卓版
v5.180.6977.234627 安卓版
v6.853.4479 安卓免費版
v9.59.6099 IOS版
v7.525.5428.8695 IOS版
v8.799.3436.323584 最新版
v5.650.4565.187645 PC版
v6.410.2436 安卓版
v5.662.6379.835198 IOS版
v2.607.3559.85693 最新版
v3.933.6995 安卓最新版
v3.839.6522 最新版
v4.977.4572.634516 IOS版
v8.370.8618.63880 安卓免費版
v2.695.8869 IOS版
v7.727 安卓漢化版
v5.936.3159.819977 PC版
v4.827 安卓最新版
v1.190.7030.419073 最新版
v2.685 最新版
v6.718.4842 PC版
v6.780.9558 安卓最新版
v9.955.900 安卓最新版
v8.755.6443.27881 安卓免費版
v8.160.9647.871775 最新版
v2.1 最新版
v2.234.3071.537285 安卓版
v9.552.1095.785313 IOS版
v9.444.5248 安卓版
v5.672.4396 安卓最新版
v6.445.1306 安卓版
v3.99.4347 安卓版
v2.862.5661.787925 PC版
v1.860.3111.437560 IOS版
v3.482.5694 安卓免費版
v4.726 PC版
v7.802 最新版
v6.480 安卓最新版
v2.284.4242.16360 安卓版
v7.952.8900 安卓最新版
v1.425.7964.871677 安卓免費版
v4.342.2979.645842 最新版
v8.26 安卓免費版
v4.30.3886 安卓漢化版
v8.477.2393.68665 安卓版
v7.972.4437.889976 最新版
v6.794.4015.914325 最新版
v4.805.7161 PC版
v7.835.244.457531 安卓免費版
v3.271.1335.552626 安卓漢化版
v5.903 安卓最新版
v3.873.8207 最新版
v8.335.2767.938144 安卓漢化版
v6.247.7245.213685 安卓漢化版
黄色片网站精品99
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
亚洲精品综合欧美久久波多野结衣
wwww.xxxx欧美
操美女6666
老公帮我添添B的水
性视频H
国产一级黄A孔视频网
亚洲热热热热热热热色色色色色色色
精品精品精品
中国熟妇另类久久久久久
黄色色视频看片
小南被鸣人c到失禁
A片AⅤ免费一级高清欧美特一
久久99国产6精品久久久
超碰在线播放毛片
XxXxVIDeos绝顶高潮
无码人妻一区二区三区免水牛视频
日本妈妈2
欧洲乱伦视频图
欧美一级免费A片
欧美XXXXX日逼视频
91素人在线观看
蜜臀AV线播放
亚洲欧洲一区二区三区网久久
https//huangse.com
舌头 进去里面吃小花园