DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案

DeepSeek-OCR 提出的视觉文本压缩（VTC）技术可实现高达10倍的Token压缩率，显著降低长文本处理成本。为评估视觉语言模型（VLM）对高密度压缩信息的理解能力，中科院自动化所等推出首个基准测试VTCBench，涵盖信息检索、关联推理与长期记忆三大任务，并通过99种渲染配置检验模型鲁棒性。测试揭示VLM存在“U型曲线”认知瓶颈，中间内容理解能力随文档增长急剧下降，且整体在推理与记忆上仍逊于纯文本模型。尽管如此，Gemini-3-Pro的表现显示VTC具备大规模应用潜力，为未来架构优化提供方向。
来源：https://mp.weixin.qq.com/s/AxHWb952vUWEzTc8aERKrA