LensVLM 发布：压缩视觉文本表示框架
热点事件持续更新
LensVLM 发布：压缩视觉文本表示框架
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Roy Xie 等作者提出并发布 LensVLM，一个让视觉语言模型先扫描压缩图像、再通过学到的工具选择性将相关图像还原为未压缩形式的推理框架与后训练方法。 据该研究称，基于 Qwen3.5-9B-Base 的 LensVLM 在 4.3 倍有效压缩下准确率与全文上限相当，并在七个文本问答基准上以最高 10.1 倍有效压缩超越基于检索、文本压缩和视觉压缩的基线。
AI 根据报道生成 · 50 分钟前更新
最新进展10月12日 12:00
LensVLM：面向文本压缩视觉表征的选择性上下文扩展报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CVLensVLM：面向文本压缩视觉表征的选择性上下文扩展
基于 Qwen3.5-9B-Base 的 LensVLM 通过让 VLM 先扫描压缩图像、再用学习到的工具选择性扩展相关图像，在 4.3 倍有效压缩下保持与全文上限相当的准确率，并在七个文本 QA 基准上以最高 10.1 倍有效压缩超越基于检索及文本、视觉压缩的基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。