热点事件持续更新
FocusVTC：自适应分辨率视觉文本压缩方法
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 9 月 30 日，AGI Hunt 报道了 FocusVTC 这一视觉文本压缩方法。其思路是用低 DPI 全局图配合选择性区域增强：在 72 DPI 下，RULER v1 得分为 87.4，输入压缩达 2.9 倍。报道称同等压缩率下 Glyph 仅 57.5；FocusVTC 在 LongBench 上得分 56.40，超过文本输入 backbone，端到端相比文本输入加速 2.79 倍。训练方面使用了 29.4K 条 REL-CoT 示例，并结合 REL-SFT 与 GRPO，MMMU 由 65.12 提升至 66.73。目前披露的均为该方法在基准与效率上的对比结果。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 23:17
FocusVTC 公布结果：72 DPI 下 RULER v1 达 87.4，输入压缩 2.9 倍。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AGI HuntFocusVTC：自适应分辨率视觉文本压缩，RULER 得分 87.4
FocusVTC 用低 DPI 全局图加选择性区域增强，在 72 DPI 下 RULER v1 得 87.4，输入压缩 2.9 倍。同压缩率下 Glyph 仅 57.5，LongBench 56.40 超过文本输入 backbone，端到端较文本加速 2.79 倍。训练用 29.4K 条 REL-CoT 示例与 REL-SFT、GRPO，MMMU 从 65.12 升至 66.73。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。