Lens VLM是一种9B视觉语言模型（VLM），它扫描文本的压缩图像，然后通过学习的工具选择性地仅将相关页面扩展为其未压缩形式。

论文：Lens VLM：文本压缩视觉表示的选择性上下文扩展。代码：https://github.com/apple-aiml-research/ml-lensvlm。许可证：此仓库中的所有ML模型文件，包括Apple对Qwen模型的修改，均根据Apple机器学习研究模型许可证的条款提供。伴随此模型的源代码单独分发，并根据Apple示例代码许可证的条款提供。

使用：安装Lens VLM代码并运行推理。对于自定义文档，使用带有压缩选项的演示：5x、10x、15x。有关数据准备和评估，请参阅仓库README。

引用：@article{xie2026lensvlm, title={Lens VLM：文本压缩视觉表示的选择性上下文扩展}, author={Xie, Roy and Friedman, Dan and Yu, Donghan and Pan, Bowen and Fifty, Christopher and Kim, Jang-Hyun and Du, Xianzhi and Gan, Zhe and Rathod, Vivek and Dhingra, Bhuwan}, journal={arXiv预印本 arXiv:2605.07019}, year={2026}}