v1.725.2240.521053 安卓最新版
v2.429 安卓漢化版
v9.909.6982 安卓漢化版
v4.358.9416 安卓版
v5.153 IOS版
v7.549 安卓版
v7.687.8805 PC版
v9.720 安卓免費版
v8.418.9712 安卓最新版
v7.589 安卓最新版
v8.614 安卓免費版
v7.569.9911.918456 安卓最新版
v4.614.9526.565568 IOS版
v6.169.6504.79265 安卓版
v6.230 最新版
v1.469 安卓免費版
v4.685.9217.59239 PC版
v8.720 安卓最新版
v2.23 PC版
v8.689.1915.576393 安卓免費版
v9.12.3048 安卓漢化版
v3.858.7531.661598 安卓版
v7.789 安卓免費版
v5.204.9897.78000 PC版
v6.449 安卓版
v7.568.4839 安卓最新版
v8.670.120 安卓漢化版
v2.974.3811 安卓漢化版
v8.127 安卓免費版
v8.452.3061 最新版
v5.819.2786.148441 PC版
v7.121.6470 IOS版
v6.439.1265.596715 IOS版
v6.3.2788.858588 安卓版
v8.924.7305 安卓免費版
v6.249 安卓免費版
v2.443 IOS版
v1.155 安卓漢化版
v8.824.8012 IOS版
v3.362.3478.145922 IOS版
v9.490.4337 PC版
v1.964.7362.455149 IOS版
v4.977.7173 安卓最新版
v9.455.6804.283033 安卓免費版
v1.901.9989 安卓版
v9.120.7615.667916 安卓免費版
v8.337 安卓免費版
v6.5 安卓版
v5.396.3377.372244 安卓最新版
v2.646.554.973210 最新版
v8.669 安卓免費版
v4.778.7869.248112 安卓免費版
v7.764 最新版
v1.436 最新版
v1.270 安卓免費版
v5.246.1306.499023 安卓漢化版
v8.941.9328.416301 安卓漢化版
v1.12.691.826364 安卓漢化版
v1.582.8345 最新版
v4.665.6414.792592 安卓漢化版
v6.697 IOS版
v2.993.9592 安卓免費版
v4.778.2054 最新版
v7.781.2881 安卓最新版
v5.381.6903.451589 安卓免費版
v1.895.4159 安卓版
v2.686.1768 最新版
v3.855.6177.118453 安卓版
v9.363.3208.372089 安卓免費版
v4.935.2996.729638 最新版
v1.303.4449 安卓漢化版
v2.674.2110 PC版
v7.307 安卓最新版
v1.489.5267 最新版
v5.661.6914.624514 最新版
v9.651.6717 PC版
v2.403.5434.981315 安卓最新版
v1.143.9811 最新版
v7.506.5268 安卓免費版
v2.747.1992 PC版
青青青青操
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
www插插
沈志定老婆开200万车
最新欧美性爱视频在线免费观看
欧美熟妇一区二区三区夜色视频
中文字幕国产一级婬片A片免费_日本在线看片免费人成视频_一级黄色好看视频_欧
摸十四岁小孩的小笼包
亚洲综合首页
胡秀英一晚七次高潮
伊人久久综在合线亚洲91
黄色在线免费资源多网站
7色在色在线视频
人人妻人人澡人人爽欧美精品
免费一级A片视频在线观看3
欧农村欧美高潮一级片
色综合久久天天综合秋霞aV
soulai钻石兑换码最新版下
亚洲熟妇无码XXXX
百合 扒腿爽出白浆小说
国模黄色一级片
双男主真人
纲手给雏田自慰喷水
优菈乳液狂飙
色在线网址
91在线无码精品秘 co
黄色网站在线人人干人人射
亚洲综合久久一本伊伊区
欧美性交黄色一级视频
在线观看黄A片免费网站AI换你