ZoomCap：「写得长」不等于「信息全」——草稿路由 + 自适应放大，把漏掉的小字小物补回来

蚂蚁集团与浙江大学提出 ZoomCap 稠密描述框架，用草稿描述驱动检索、OCR 与定向放大三路证据按需路由，补回长描述漏掉的小物体与图中文字。配套 FactCycle 评测显示每图可回放事实 52.4 条，是最强基线 ScaleCap 的 1.7 倍；35B 教师模型在人类盲评中以 81.9% 偏好分胜过 Qwen3.5-397B-A17B。