苹果与杜克提出 LensVLM

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，再按需展开与问题相关的页面读取原文；在七项长文问答评测中，该方法以 4.3 倍有效压缩取得 68.9% 的平均准确率，接近完整文本参照的 72.4%。 LensVLM 需要保留原文或原始图像，压缩页面用于浏览全文，展开页面用于补回回答所需细节。在 5 倍初始压缩设置下，监督微调将平均准确率从 31.3% 提高到 63.7%，强化学习进一步提高到 68.9%。该工作已被 NeurIPS 2026 接收，公开的 LensVLM 9B Demo 已上线。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。