目今位置:首页 → 电脑软件 → 官方辟谣海南新能源车收养路费 → 叶山瞳在线 v3.207.9875 PC版
v4.665.6746.348799 PC版
v9.893.9270.422568 安卓版
v4.431 安卓免費版
v2.417.8084.256180 安卓免費版
v9.573.9349 安卓免費版
v5.920.2071.121516 IOS版
v5.776.252 安卓最新版
v1.957.159.556514 安卓免費版
v8.776.8256.68655 最新版
v6.806.5283.69405 最新版
v4.757.3864 最新版
v6.750.1191 PC版
v4.490 IOS版
v4.776.9019 安卓免費版
v9.334.6367.255102 安卓版
v2.447.2196.900879 安卓免費版
v1.800.7528.688688 IOS版
v4.538.604.761297 安卓最新版
v6.108.6855.135375 安卓版
v4.961.8956.748509 最新版
v6.960 IOS版
v1.787 安卓版
v3.868 IOS版
v3.700 安卓漢化版
v9.333.6888 最新版
v1.553.5002.14254 最新版
v6.564.4444 安卓漢化版
v4.226.6810.554239 安卓漢化版
v6.845 安卓版
v8.888.7266.923573 PC版
v6.485.3773.682542 PC版
v3.170 IOS版
v7.948.7960.154293 安卓版
v2.333.5743.971125 IOS版
v7.492.7025 PC版
v9.187 最新版
v5.586.7155 安卓最新版
v1.444.2845.48881 安卓免費版
v2.622.8818 安卓最新版
v2.779.6567 安卓免費版
v3.853.2635.520131 IOS版
v3.557 安卓免費版
v5.278 安卓版
v2.70 安卓免費版
v3.647 最新版
v1.447.8753.596172 安卓最新版
v4.649 安卓漢化版
v3.475 PC版
v3.81.7238 PC版
v4.206 IOS版
v7.931.984 安卓漢化版
v6.632.2165 安卓最新版
v2.790.1046.746130 安卓免費版
v6.414 最新版
v7.96.6555.617708 最新版
v9.971 安卓免費版
v5.303.1214.436576 最新版
v8.111.3135.884815 PC版
v6.415 安卓漢化版
v7.283.5434.820708 安卓免費版
v7.344.137.568949 安卓最新版
v3.715.6982.299275 安卓版
v9.278.3153.879856 安卓版
v2.148.4347 安卓最新版
v5.861 安卓漢化版
v9.513.8923 IOS版
v5.19.7848.149741 IOS版
v3.796 最新版
v3.369.7033 IOS版
v8.336 安卓漢化版
v9.252 安卓最新版
v6.643.3473.270538 安卓最新版
v1.147.7929.797607 安卓最新版
v2.605.3761.858688 安卓漢化版
v9.851 安卓漢化版
v5.965.1438.721709 安卓漢化版
v6.861.1785.340933 安卓免費版
v5.21.6437 最新版
v8.265 安卓漢化版
v8.435.615 安卓免費版
叶山瞳在线
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
欧美3g在线免费观看
千刃雪扒开首页
中国老太老头逼好大
国外舔乳头网站
日本韩国三级综合
国产午夜精品三区理论片
欧美日本a级
一级黄色视频网址
0113p路com
sese在线观看视频
人妻AV资源先锋影音AV资源
国盗摄偷窥露脸在线
缅甸北部网站www免费
一级黄色av毛片
亚洲三页
中文字幕a√无码一区二区三区
在线观看av网站特黄大片
14小男生GAY互吃鸣巴
黄的全免费
一级日本大片免费观看www
亚洲高清A级毛片
美女拔萝卜秘 网站
亚洲精品视频免费
黄色最新在线免费
无码AV永久免费专区久久
人人公开视频
毛片在线观看网址
亚洲色无码一级毛片一区
性xxxxx高潮
亚洲中文久久
久久久久久久久久久
色洛洛图片