苹果LensVLM：长上下文压缩成图片，模型边看边「放大」
2026.10.14 · 事件 · 论文 · 论文预印本
苹果与杜克大学提出LensVLM，先浏览压缩页面再展开相关页细读。
苹果基础大模型团队与杜克大学提出LensVLM，把长上下文渲染成压缩页面让模型先浏览全文，再按需调用工具展开相关页面读取原文。在七项文本问答评测中，它以4.3 倍有效压缩达到68.9%平均准确率，接近完整文本参照的72.4%，该工作已被NeurIPS 2026接收。
- 模型先浏览全部压缩页面，再选页展开细读
- 5倍压缩下基础模型直接阅读准确率仅31.3%
- 监督微调加强化学习将准确率提升至68.9%
- 15倍压缩下LensVLM准确率52.1%，基础模型18.1%
- 长上下文延迟较全文输入减少约30%，成本降低约73%
为什么值得看
长上下文压缩后仍能按需回查原文，兼顾成本与准确率。
适合谁关注
关注长上下文、RAG与多模态的AI研究者和开发者。