目今位置:首页 → 电脑软件 → VOGUE年度运动员大片 → 四月丁香网 v7.181.115 安卓漢化版
v4.79.7601.518684 安卓漢化版
v5.266.8942.781607 IOS版
v1.789.711.109316 PC版
v7.16.6992.38643 安卓最新版
v3.221.8422.596041 IOS版
v2.677.1834.856694 安卓免費版
v7.585.7160 安卓漢化版
v3.16.7496.680195 IOS版
v2.886.2255.188016 安卓漢化版
v4.850.2061.614973 安卓漢化版
v9.423.8149.502178 PC版
v8.116.8013.603872 安卓版
v4.592 安卓版
v8.49.1492.564606 安卓最新版
v2.39.322.347399 安卓免費版
v4.477 最新版
v2.378.2335.685316 安卓漢化版
v1.63.2520.198669 安卓版
v4.470.4849 安卓版
v2.0.4816.579724 安卓版
v2.730 安卓最新版
v8.418.5907 安卓版
v8.355.4656.891827 安卓版
v1.215.4160.583150 安卓版
v3.723.1901.210703 PC版
v3.135.730 安卓最新版
v6.639.2126.800015 PC版
v5.318.6039.774637 最新版
v4.988.933 安卓漢化版
v5.372.1848.20461 安卓漢化版
v7.26 安卓漢化版
v1.391.2805.815783 PC版
v2.572 PC版
v2.810 IOS版
v6.376.2902.441769 IOS版
v9.138.8756.376003 最新版
v7.105 PC版
v8.302 安卓漢化版
v9.20 安卓免費版
v7.750.4140.685828 安卓最新版
v8.428 安卓免費版
v3.806 PC版
v1.963.9565.407401 安卓免費版
v2.368.8844.976524 IOS版
v4.116.4189 安卓免費版
v3.931.4976.878917 PC版
v6.83.8032.413207 PC版
v9.652 IOS版
v5.943.7344.669095 安卓最新版
v4.845.6573.141024 安卓最新版
v3.512.3503.937908 IOS版
v5.63 PC版
v5.206.8411.574709 IOS版
v5.89 安卓版
v7.581.9940.669209 安卓漢化版
v9.871.6113.971709 最新版
v4.283.2011.925451 PC版
v5.302.8466.489881 安卓最新版
v2.373.2814.308817 最新版
v6.584 最新版
v2.573.9820 安卓漢化版
v2.853.1914.17906 安卓漢化版
v8.425.2079.285022 PC版
v8.76 安卓漢化版
v3.792.9107.900630 安卓版
v8.87.3508.243349 安卓漢化版
v2.663 安卓免費版
v3.705 安卓漢化版
v4.240 安卓漢化版
v5.142.1169 安卓版
v8.174.530 最新版
v5.932.2553.619909 最新版
v8.549 最新版
v2.684.6621.556984 IOS版
v4.481 安卓免費版
v1.11.9411 安卓最新版
v2.390.8192.255605 IOS版
v1.161.6279.468098 安卓免費版
v5.164.7592.626106 PC版
v5.113 安卓免費版
四月丁香网
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
女性脱 给我揉 亲嘴
一级二级三级片性交乱伦欧美
久久精品女人天堂网
99久精品
AA黄色网站视频黄色网站视频
po19网站在线观看
天天色人人操
黄在线观
超碰人妻在线视
亚洲黄色网址视频在线观看
人人操人人爽黄色片
综合亚洲分类春色欧美在线
黄页免费视频高清在线播放
狼furry肌肉污18禁网站
久久久精品精
一级性爱乱伦视频
2021国内免费无码自拍视频网
成 人 黄 色 视频
清纯唯美激情亚洲综合另类
国模吧高女模专业网站
女生自慰到下面喷白浆视频
进去里 17c视频
学生被 到爽 流牛
酒店 洗浴国产福利91精品