LensVLM-9B от Apple
LensVLM-9B от Apple Визуально-языковая модель на базе Qwen3.5-9B. Читает текст в сжатом виде, а потом точечно разворачивает до полного формата только те страницы, которые нужны для ответа • сканирование сжатых изображений текста • выборочное расширение нужных страниц через выученные инструменты • точность держится при сжатии в 4.3 раза • обходит retrieval и текстовые компрессоры до 10.1 раза • 9B параметров • степени сжатия 5x, 10x, 15x • работает с документами по запросу - вопрос и путь к файлу Экономит контекст на длинных документах: модель видит ужатую версию, а полные страницы загружает только когда они реально нужны Гитхаб HF Демо #vlm #ocr
63 просмотров