苹果与杜克大学提出 LensVLM：将长上下文压缩为图片并支持按需展开细读

苹果基础大模型团队与杜克大学联合提出视觉语言模型 LensVLM，通过先将长上下文渲染为低分辨率图像供模型通览、再按需调用工具展开相关页面原文，在 4.3 倍有效压缩下取得 68.9% 的平均问答准确率，接近完整文本的 72.4%。