VTCBench: 视觉语言模型能否通过视觉-文本压缩理解长上下文？

这篇文章介绍了VTCBench，这是一个用于评估视觉语言模型（VLM）处理长上下文能力的基准，特别关注视觉-文本压缩技术的影响。这项研究可能探讨了在应用压缩方法时，VLM处理和理解冗长的视觉和文本信息的表现。来源是ArXiv表明这是一篇初步的研究论文。