苹果开源 LensVLM-9B:压缩图像承载文本,按需展开相关页面
jacek2023 · reddit · 2026-09-24
苹果发布 9B 视觉语言模型 LensVLM,思路是把文本渲染成压缩图像后整体输入模型,再通过学习到的工具按需把相关页面解压展开,从而节省上下文与算力。论文与代码已公开(arXiv:2605.07019,GitHub ml-lensvlm),Hugging Face 上已有 bartowski 的 GGUF 量化版。模型权重基于 Qwen 修改,采用 Apple Machine Learning Research Model License,源码则按 Apple Sample Code License 单独分发。
所属事件:苹果开源 LensVLM-9B：页面图像压缩读长文档(5 条相关)→
「研究」频道最新
- 形式化验证让 AI 编码更快：Lean 证明成为 agent 优化护栏 — bigdata · 2026-11-11
- 教授用纯 NumPy 从零搭建交互式神经网络教学笔记本 — GeostatsGuy · 2026-11-11
- 新 benchmark Continual-ARC:主流 agent 都学不会经验,9B 模型微调可以 — Med1_Ai · 2026-11-11
- Science 子刊：好的对话呈现'粉噪'式的语义波动模式 — _akpiper · 2026-11-11
- 研究：近半数 STEM 博士论文用 AI 写，仅 4.7% 主动披露 — paulnovosad · 2026-11-11
- AlphaGenome 2 商业 API 上 Google Cloud 私测，权重承诺未来开源 — anshulkundaje · 2026-11-11