苹果 LensVLM 将长上下文压缩为图像并支持按需展开阅读

苹果基础大模型团队与杜克大学提出 LensVLM，让模型先浏览覆盖全文的压缩页面，再展开与问题相关的页面读取原文。在七项文本问答评测中，LensVLM 以 4.3 倍有效压缩达到 68.9% 的平均准确率，接近完整文本参照的 72.4%。这项工作近期被 NeurIPS 2026 接收，公开的 LensVLM 9B Demo 已上线。