DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案

中科院自动化所等推出首个面向视觉文本压缩（VTC）的基准VTCBench，通过信息检索、关联推理与长期记忆三大任务，系统评估多款主流视觉语言模型在高达10倍压缩率下的理解能力。测试揭示模型普遍存在“U型”注意力衰减现象，中间内容理解薄弱，暴露出空间注意力偏见。尽管当前VLM在复杂任务上仍逊于纯文本模型，但Gemini-3-Pro的表现显示VTC具备实现高效长文本处理的巨大潜力。
来源：https://mp.weixin.qq.com/s/NjgEb9N_TjrOeLH3Aq3xJQ