v9.573.2889.48834 PC版
v5.606.6008.832212 安卓漢化版
v6.158.1045.838982 IOS版
v6.662 安卓最新版
v5.456.6649.370563 最新版
v4.105.6068.705595 安卓版
v2.367.8442.571845 安卓漢化版
v8.990 PC版
v4.801.1918.514766 IOS版
v9.574.4905 IOS版
v2.23 安卓最新版
v2.147.1817 PC版
v2.511.7810.537248 安卓免費版
v5.479.2123 PC版
v4.698.2687 PC版
v5.449.8123.725703 安卓免費版
v4.245.9721.555790 PC版
v6.546 安卓免費版
v1.553.5845.524958 安卓版
v1.774.5465.567303 安卓最新版
v2.45.2643 安卓漢化版
v2.673.3806 最新版
v2.144.8302 安卓版
v1.885.7192.554203 PC版
v9.339 安卓漢化版
v6.348.5860.852482 安卓版
v3.581.8021.202941 安卓免費版
v4.407.3791.905959 安卓版
v4.252.7785 安卓版
v8.935 IOS版
v5.253.5713.457262 IOS版
v6.191.9820.598536 最新版
v8.923 安卓版
v6.731.1030.156760 安卓最新版
v4.233.8760.331748 最新版
v9.299 最新版
v9.641.6695.588147 PC版
v6.689.7790.165046 安卓版
v5.177.7167 PC版
v2.791.8294.75824 PC版
v2.753.8188 IOS版
v5.777.8267.220516 安卓免費版
v1.411.9520 安卓漢化版
v3.946.6025 安卓版
v7.537.6228 最新版
v6.5.811.208553 IOS版
v5.470.9621 安卓免費版
v9.182 安卓最新版
v6.326.6217.762664 安卓版
v6.492 安卓漢化版
v6.111 安卓免費版
v8.253.4621.53103 安卓漢化版
v7.133 安卓最新版
v2.368.3532 安卓漢化版
v8.234.2057 安卓版
v2.519.1035.858812 安卓漢化版
v3.517.4303 安卓漢化版
v1.121 最新版
v7.125.8549.325747 安卓免費版
v7.611.6389.5016 安卓免費版
v3.238.9939.704662 安卓版
v7.864.5183 安卓最新版
v5.628.5691.110180 IOS版
v7.217 IOS版
v2.189.4321.222734 安卓免費版
v5.717.6106.579382 安卓最新版
v2.947.6239.884730 安卓漢化版
v6.728.5720.978118 安卓免費版
v1.112 安卓版
v9.751.8942.562841 最新版
v7.128.786.27357 IOS版
v6.957 安卓免費版
v7.599.1851.183852 安卓免費版
v6.540.4703.3708 PC版
v4.159.5622.141706 安卓免費版
v5.579 最新版
v8.393 安卓漢化版
v3.959.4675 最新版
v3.148.4768.441178 PC版
v1.689.8190 PC版
www.MT蜜臀AV.COM
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
大毛逼毛片
狠狠综合久久久久综合ai换脸
欧美性爱黄视频
杨钰莹裸体欣赏1
totakyalax sikixix
aaa湿湿湿
欧美综合操逼
大肉大捧一进一出免费阅读
精品91
国产毛片一区无码视频精品
国产二级精品片免费的
一区A级黄毛片在线播放
特AAAA级牲爱视频
腿打开c哭你视频在线观看
雷电将军撕内衣 挠奶头视频
95视频免费看
日本老熟太老熟高潮视频
三个黑人强奸美女警察
we视传媒影视工作室
儿媳秀婷
永久不封国产毛片AV网站
网站入口免费你懂的
无码免费看黄网站