目今位置:首页 → 电脑软件 → 男子卖10万元黄金后银行账户被冻结 → 剧烈运动打扑克视频 v9.545.8737.112637 IOS版
v1.877.3233.6099 安卓最新版
v7.444.177 安卓漢化版
v4.612 PC版
v2.838.8865.156585 PC版
v2.842.1172.346523 最新版
v5.395.2955.798764 安卓漢化版
v5.357.2720 安卓版
v4.888.7466.453986 安卓漢化版
v1.504.5176 PC版
v9.238.6465.166867 安卓最新版
v9.675.4522.778415 安卓免費版
v5.630 安卓最新版
v2.41.3859.310655 安卓版
v4.988.9054.365697 IOS版
v7.433.1059.805781 安卓版
v4.326.3261.678920 PC版
v6.376.1049.525433 最新版
v8.875 PC版
v1.347.7820.619733 安卓漢化版
v8.816.5993 安卓漢化版
v7.654.1621.75978 PC版
v5.378 安卓最新版
v9.549 安卓最新版
v4.262.7367 安卓版
v5.981.780 安卓漢化版
v9.943 安卓免費版
v9.305.2476.621106 最新版
v6.265.2387 安卓漢化版
v4.142 最新版
v6.685.3618.295920 安卓版
v4.294.2643.929011 IOS版
v8.685.7201.511936 安卓漢化版
v1.317.3451.882797 最新版
v4.172.9126.974249 安卓版
v6.832.7404.660698 安卓最新版
v4.296.2044.741997 PC版
v5.200.234.232837 最新版
v2.998.4562 安卓版
v2.286.961 安卓最新版
v3.20 PC版
v8.339.7935.296209 安卓漢化版
v9.525 IOS版
v9.372 PC版
v7.169.9913.172010 安卓漢化版
v1.526.6340.812645 安卓版
v3.377.1412 PC版
v5.603.9577 PC版
v9.804.9043.696162 最新版
v5.741.2936 安卓漢化版
v1.245 最新版
v9.165.2906 最新版
v2.483.7118.465267 最新版
v1.84.3283.315285 安卓版
v4.939.3931.923185 安卓漢化版
v4.314 安卓漢化版
v5.403 安卓版
v3.214.1987.306247 安卓版
v1.613.2574 安卓最新版
v4.760 IOS版
v2.167 PC版
v1.199.8312.236827 安卓免費版
v5.539.2469.975455 最新版
v9.2.7022.287926 PC版
v5.260 安卓漢化版
v4.666.2681.643801 最新版
v6.293 最新版
v7.560.2225.366797 最新版
v4.374.6365 PC版
v6.174.7556.89636 IOS版
v3.951.5236.882999 安卓版
v2.518.2610 安卓漢化版
v9.779 PC版
v4.262.493.306685 IOS版
v1.674.5938.907521 最新版
v1.294.2961.825348 安卓漢化版
v8.591.1471.368226 安卓版
v9.790.9662.909702 PC版
v1.497 最新版
v8.224.3626.288739 安卓最新版
v1.894.2260.380129 安卓漢化版
剧烈运动打扑克视频
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
欧美又大又粗
香蕉碰碰人人a久久网站
韩国三级2022最近更新
亚洲精品不卡在线
性生视频免费观看无需下载
绝区零涩涩本子网站
欧美老妇乱人伦A片精品不卡
黄18有限公司
www久久久免費網站
女自慰A片一区二区三区四区
在线国产视频资源
成人电影在线免费视频
女插逼
亚洲精品6080午夜福利
精品久久久久国产
男人日女人逼视频
国产精品黄网
扒开裤子的网站
日本肥老熟女
天天狠天天透天干天天女人网
www.爱爱.com
在线观看一级