机器之心 (微信公众号)T2·78 分
苹果联合杜克提出 LensVLM:长文本转图像压缩并支持按需放大,NeurIPS 2026 接收
原标题:苹果LensVLM:长上下文压缩成图片,模型边看边「放大」
- LensVLM 将长文本转化为图像进行压缩,允许模型像阅读文档一样先概览后精读。
- 在保持 4.3 倍压缩率的同时,平均准确率达到 68.9%,仅比无压缩基准低 3.5 个百分点。
- 解决了传统压缩方案中“单行道”导致的关键细节不可逆丢失问题,支持按需回溯原文。
AI 聚合热点事件 · 2026/10/14
苹果基础大模型团队与杜克大学提出 LensVLM,通过将长上下文压缩为图像页面并赋予模型“放大镜”能力,实现先浏览全貌再按需展开细节。该方法在七项文本问答评测中达到 4.3 倍有效压缩率下 68.9% 的平均准确率,接近完整文本基准的 72.4%,相关论文已被 NeurIPS 2026 接收并上线 Demo。
曲线只比较全程持续完整观测的同一批信源;缺口小时数据已插值平滑,保持趋势连续。
原标题:苹果LensVLM:长上下文压缩成图片,模型边看边「放大」