VTCBench: Can Vision-Language Models Understand Long Context with Vision-Text Compression?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Hongbo, Wang, Meng, Zhu, Fei, Liu, Wenzhuo, Ni, Bolin, Zeng, Fanhu, Meng, Gaofeng, Zhang, Zhaoxiang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Online

https://arxiv.org/abs/2512.15649