猫眼影戏
 |
|
猫眼影戏
许哲晰
手机审查
猫眼影戏记者 吴思澜 报道Q8X2R7L1T4J5M9B6W3
HunyuanOCR模子团队 投稿量子位 | 公众号 QbitAI
腾讯混元大模子团队正式宣布并开源HunyuanOCR模子！
这是一款商业级、开源且轻量（1B参数）
的OCR专用视觉语言模子，模子接纳原生ViT和轻量LLM连系的架构。
详细而言，其感知能力（文本检测和识别、重大文档剖析）优于所有果真计划 ；语义能力（信息抽取、文字图像翻译）体现精彩，荣获ICDAR 2025 DIMT挑战赛（小模子赛道）冠军，并在OCRBench上取得3B以下模子SOTA效果。
现在，该模子在抱抱脸（Hugging Face）趋势榜排名前四，GitHub标星凌驾700，并在Day 0被vllm官方团队接入。
团队先容，混元OCR专家模子实现了三大突破：
（1）万能与高效统一。
在轻量框架下支持文字检测和识别、重大文档剖析、开放字段信息抽取、视觉问答和照相图像翻译，解决了古板专家模子功效简单和通用视觉明确大模子效率低下的痛点。
（2）极简端到端架构。
摒弃版面剖析等前处置惩罚依赖，彻底解决流水线过失累积问题，大幅简化安排。
（3）数据驱动与RL立异。
验证了高质量数据价值，并证实强化学习可显著提升多项OCR使命性能。
现在模子参数已在抱抱脸和ModelScope等渠道开源，并提供基于vLLM的高性能安排计划，旨在助力科研与工业落地。
HunyuanOCR焦点手艺大揭秘
作为一款具备商业级性能的开源多语言VLM，混元OCR专家模子的焦点念头在于构建一个真正统一、高效的端到端OCR基础模子。
其焦点手艺主要聚焦于以下几个方面：
轻量化模子结构设计、高质量预训练数据生产、重应用导向的预训练战略和OCR使命定制的强化学习。
轻量化模子结构设计
下图为HunyuanOCR架构示意图。
差别于其他开源的级联OCR计划或专家模子，混元OCR模子贯彻端到端训推一体范式，各项使命仅需单次推理即可获取完整效果。
HunyuanOCR接纳由原生区分率视觉编码器、自顺应MLP毗连器和轻量级语言模子组成的协同架构。
视觉部分基于SigLIP-v2-400M，引入自顺应Patching机制支持恣意区分率输入，有用阻止了长文档等极端长宽比场景下的图像失真与细节丧失。
毗连器通过可学习的池化操作充当桥梁，在自顺应压缩高区分率特征的同时，精准保存了文本麋集区的要害语义。
语言模子侧则基于Hunyuan-0.5B，通过引入立异的XD-RoPE手艺，将一维文本、二维版面（高宽）及三维时空信息举行解耦与对齐，付与了模子处置惩罚多栏排版及跨页逻辑推理的强盛能力。
与依赖多模子级联或后处置惩罚的古板计划差别，HunyuanOCR接纳了纯粹的端到端训练与推理范式。
该模子通过大规模高质量的应用导向数据举行驱动，并连系强化学习战略举行优化，实现了从图像到文本的直接映射。这种设计彻底消除了古板架构中常见的“过失累积”问题，并挣脱了对重大后处置惩罚？榈囊览，从而在混淆版面明确等高难度场景中展现出远超同类模子的鲁棒性与稳固性。
高质量预训练数据生产
为了系统性提升HunyuanOCR在多语言、多场景及重大版面下的感知与明确能力，研究团队构建了一个包括超2亿“图像-文本对”的大规模高质量多模态训练语料库。
通过整合果真基准、网络爬取真实数据及自研工具天生的合成数据，该数据库笼罩了9大焦点真实场景（包括文档、街景、广告、手写体、截屏、票据卡证、游戏界面、视频帧及艺术字体）以及凌驾130种语言的OCR数据。
这套完整的数据生产与洗濯流水线，为模子提供了坚实的高质量多模态训练资源，详细展现如下：
（注：图为高质量预训练数据，(a)(b)(c)展示了数据合成和仿真增强的效果，(d)(e)展示自动化QA数据生产的案例）
在数据合成方面，研究职员基于SynthDog框架举行了深度扩展，实现了对130多种语言的段落级长文档渲染及双向文本（从左到右和从右到左两种阅读顺序）支持，并能细腻控制字体、颜色、混淆排版及手写气概，有用提升了跨语言泛化能力。
同时，引入自研的Warping变形合成流水线，通过模拟几何变形（折叠、透视）、成像退化（模糊、噪声）及重大光照滋扰，逼真还原自然场景下的拍摄缺陷。
这种“合成+仿真”的战略显著增强了模子在文本定位、文档剖析等使命中的鲁棒性。
针对高阶语义明确使命，团队开发了一套集“难例挖掘、指令式QA天生与一致性校验”于一体的自动化流水线。
遵照“一源多用”原则，该流水线实现了对统一图像举行文本定位、结构化剖析（Markdown/JSON）及多维推理问答（信息抽取、摘要、盘算）的统一标注。系统优先挖掘低清晰度或含重大图表的难例，使用高性能VLM天生多样化问答对，并通过多模子交织验证机制确保数据质量。
这一流程有用解决了重大场景下高质量VLM训练数据稀缺的问题，大幅提升了模子的数据使用效率。
重应用导向的预训练战略
HunyuanOCR接纳循序渐进的四阶段预训练战略：
前两阶段聚焦视觉&语言对齐与通用明确能力构建。
其中Stage-1为热身阶段，冻结LLM并仅训练ViT与MLP适配器，通过Caption和OCR数据实现视觉特征与文本语义空间的对齐，强化基础感知与结构化明确。
Stage-2解冻所有参数举行端到端学习，依托约300Btoken数据及涵盖文档剖析、文字检测和识别、图片翻译、VQA的多使命合成样本，深度增强模子对文档、表格、公式、图表等重大结构化内容的感知和明确能力。
后两阶段则着重长文档处置惩罚能力与现实应用场景适配。
Stage-3将上下文窗口扩展至32k，通过长窗口数据训练知足长文档图像剖析与明确需求。
Stage-4开展应用导向的退火训练，连系全心筛选的人工标注真值数据与高质量合成数据，通过统一指令模版与标准化输特殊式规范模子响应模式，既提升了重大场景下的鲁棒性，也为后续强化学习阶段涤讪了坚实基础。
下面的表格展示了混元OCR模子四阶段预训练：
OCR使命定制的强化学习计划
只管强化学习已在大型推理模子中取得显著乐成，Hunyuan视觉团队立异性地将其应用于注重效率的轻量级OCR专家模子。
针对OCR使命结构化强且易于验证的特点，接纳了混淆战略：
关于文字检测识别和文档剖析等具有关闭解的使命，接纳基于可验证奖励的强化学习。
而关于翻译和VQA等开放式使命，则设计了基于LLM-as-a-judge的奖励机制。这种连系证实晰轻量级模子也能通过RL获得显著性能跃升，为边沿侧和移动端的高性能应用开发了新路径。
以下是三个主要注重事项：
第一，严苛的数据筛选。
数据构建严酷遵照质量、多样性与难度平衡原则，使用LLM过滤低质数据，并剔除过于简朴或无法求解的样本以坚持训练的有用性。
第二，自顺应奖励设计。
文字检测和识别使命上，综合思量IoU与编辑距离。
重大文档剖析使命聚焦于结构与内容的准确性 ；VQA接纳基于语义匹配的二值奖励 ；而文本图像翻译则引入经已往偏归一化的软奖励（例如0~5的一连空间），特意扩展了中段分数的粒度，以便更敏锐地捕获翻译质量的细微差别。
第三，GRPO算法与名堂约束优化。
训练阶段接纳群组相对战略优化（GRPO）作为焦点算法，为了确保训练的稳固性，团队引入了严酷的长度约束与名堂规范机制，任何超长或不切合预界说Schema（如结构化剖析名堂）的输出将直接被判为零奖励。
这一强约束机制迫使模子专注于天生有用、规范且可验证的输出，从而在受限条件下习得精准的推理与名堂化能力。
项目主页：
https://hunyuan.tencent.com/vision/zh?tabIndex=0
Github：
GitHub-Tencent-Hunyuan/HunyuanOCR
抱抱脸：
https://huggingface.co/tencent/HunyuanOCR
论文：
https://arxiv.org/abs/2511.19575
??时势1：星野和鱼哥视频原版
??12月03日,第七届进博会，有新变化！,
这个效果令人目瞪口呆，石昊以幼龄硬撼强盛的狈风，居然不落下风，从极远处扑杀到了近前，体现的很强势。
,欧美另类残暴A片免费观看。??12月03日,让地质文化不再“小众” 浙江出新招“唤醒”地质奇观,
一、 周密办法，顺遂完成村三委会换届选举事情。
,羞羞动漫在线,欧美成人精品第一区二区三区,女女激情毛片。??时势2：孕妇videos
??12月03日,助力退役运动员转型 全国运动员创新创业训练营在京启动前三季度“国际纺都”纺织业增势强劲 产业向“新”而兴,
加入本次角逐的十名选手来自各村各部分，她们是全镇各条战线开展创先争优的优异代表。演讲展示的是风范，体现的是秘闻，十名选手的意气风发，将展现沙市人民的亮丽形象，展现沙市人民的广博胸怀，展现沙市生长的优美远景！演讲迸发的是激情，泛起的是实力，十名选手的慷慨激昂，必将有力地引发全镇干部的事情热情，必将有力地推动沙市新一轮又好又快生长！
,亚洲黄色网站大全最新,把老师操潮喷了,强奸乱伦免费视屏。??12月03日,纪念杨沫诞辰110周年活动在京举办 音乐剧《青春之歌》发布, 刷新开放以来，中国福利会驻足上海、效劳天下、走向天下，事业板块一直拓展，涵盖妇幼保健、学前教育、学校教育、校外教育、儿童戏剧、出书传媒、晚年福利以及公益慈善等八大领域。,国产在线三级,国产精品iAGO激情视频,欧美性爱日韩综合视频。
??时势3：美女裸体十八禁免费的网站
??12月03日,“三顾茅庐”学氆氇 青海藏族艺人冀传统编织技艺走向海外,
在新春佳节祥和的气氛中，我们又迎来了新的一学期。在这里，我先祝列位先生身体康健、事情顺遂，祝列位同砚天天开心、学习前进。
,美女把🐻让男生玩,米塔本子爱情岛,欧美国产黄色视频观看。??12月03日,“千年石城”见贤思齐 “乡贤人才库”赋能浙江强镇,
石块翻腾，从数十斤到上百斤不等，在那一双利爪下跟腐木般不堪一击，石洞在被拓开，青鳞鹰怒鸣，向里攻击。
,黄片线上看,一级毛片不卡免费看,黄色视屏网站免费观看。??时势4：免费 视频
??12月03日,2023年江西工业领域投资亿元以上项目完工投产千余个,
小孤山镇，诸强骇然，由于连他们都听到了山脉深处的声音，抬眼望去，那里一片混沌气缭绕，十几块兽骨镇压了无垠的山脉，无人能看透。
,一级a一级a爰片免费啪啪外国,毛片A片黄片免费看,香蕉视屏毛片。??12月03日,“90后”警营伉俪的青春誓言：并肩作战是一种浪漫,
三是搞好都会资产谋划。首先要搞好都会土地资产的谋划。政府必需真正高度垄断土地一级市场，谋划性建设用地所有实验果真招标拍卖，土地转让所有实验挂牌生意，一律在土地生意市场果真举行。严禁零星疏散批地，严禁场外生意和隐形生意，严肃攻击土地黑市生意，坚决堵住政府土地收益流失的口子。凡违法用地者，依法追究有关责任人的责任，决不迁就迁就。要连系土地市场整理整理事情，抓好都会妄想区内土地整理事情，对以出让等有偿使用方法取得土地使用权举行房地产开发的闲置土地，满两年未动工开发的，政府依法收回土地使用权。其次要搞好都会基础设施和公用设施的谋划。一要优化增量资产。凭证谁投资、谁谋划、谁受益、谁肩负危害的原则，接纳独资、合资、相助等多种形式，吸引海内外投资者加入都会基础设施建设与谋划。都会基础设施中的都会蹊径、桥梁、路灯、供水、排水、供气、供热、公共客运交通、园林绿化、公共茅厕、污水处置惩罚、垃圾处置惩罚等设施的建设与谋划，所有实验向社会果真招标。二要盘活存量资产。都会现有基础设施资产只要国家执律例则允许，均可通过产权出让、谋划权转让等方法，吸纳社会资金，举行资产运营，实现存量资产的保值、增值、变现。第三要搞好都会无形资产的谋划。以后，对都会的开发权、冠名权、广告权、特许谋划权等都要实验果真招标拍卖，充分验展都会无形资产的经济效益。特殊是都会的房地产综合开发权，在政府高度垄断土地一级市场的条件下，按妄想开发建设的地片抵达五通一平要求后，以及旧城刷新的区片由政府认真搞好拆迁后，其开发权都要果真向社会招标拍卖。任何单位和小我私家不得私自将开发权指定给任何开发商。各级向导干部更不得使用手中的权力干预土地生意、工程承发包、房地产谋划开发等。各级政府要增强对都会谋划问题的治理，依法有序地搞活都会资产的谋划，增强都会生长活力。
,爆 电影,182丅V裸体,免费观看一级毛片A片在线。责编：张路
审核：谢子长
责编：吉羽匡
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
