猫眼影戏
 |
|
猫眼影戏
胡慧中
手机审查
猫眼影戏记者 万科城 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：老头把我添出高潮A片
??12月08日,柴达木盆地有机畜牧业认证实现全域全覆盖,
第一 ，要坚定理想信心 ，勇担时代重任。“五四”精神的焦点 ，是伟大的爱国主义。历史雄辩地证实 ，中国共产党是“五四”精神最忠诚的继续者。共青团作为党的助手和后备军 ，党有招呼 ，团有行动 ，党的使命就是共青团的使命 ，就是青年人的使命。因此 ，纪念“五四”运动 ，弘扬“五四”精神 ，就要热爱祖国 ，坚定建设中国特色社会主义的信心。?政治信心是人生的“总开关” ，拥有坚定理想信心是有为青年最可名贵的品质。理想信心不坚定 ，难担大任;政治偏向不明确 ，难受重托。90年前 ，宽大青年以争取民族自力、维护国家主权和领土完整 ，实现最宽大人民的解放、民-主和自由为己任 ，体现出高度的贡献精神和历史责任感。当今时代 ，生长是第一要务 ，今世青年的历史使命 ，从大的方面讲 ，就是实现中华民族伟大再起。税收是国家的命脉 ，要实现中华民族伟大再起 ，实现国强民富 ，必需充分验展税收的各项职能作用。作为国税青年 ，我们要认真学习、深刻明确中国特色社会主义理论系统 ，起劲用马克思主义中国化最新效果武装头脑 ，在人生的要害时期确立起准确的天下观、人生观、价值观 ，牢牢掌握人生的准确航向 ，起劲生长为国税事业生长的及格建设者。目今国际金融；晕夜恼巍⒕谩⑸缁岬却瓷羁逃跋 ，但“危中有机” ，遇上金融；郧嗄耆死此翟谀持忠庖迳弦彩且恢只岛湍チ ，宽大国税青年要认清形势 ，明确使命 ，坚定信心 ，肩负起“聚财为国、执法为民”的神圣职责 ，以强烈的时代责任感争当今世青年的楷模。
,美骚女黄色A片视频。??12月08日,探月20周年 共赴跨越千年的《明月之约》,
“咚”的一声大响 ，小不点绝一直留 ，右脚横扫 ，将地上的一块大磨盘踢起 ，撞向雷明远。
,好色直播,spermatid下载安装,亚洲中文字幕丝袜偷拍。??时势2：igao视频网日韩精品
??12月08日,亚洲杯国足0：1不敌卡塔尔 排名小组第三出线待定,
黑影闻言 ，不再多说 ，取出一个玉罐 ，动用秘法 ，符文闪灼 ，最先取血 ，马上蒙蒙绚烂再次亮起 ，令密室一片神圣。
,亚洲视频屈辱一区,男男污污视频,欧美另类电影。??12月08日,（两会声音）台湾团的“80后”村支书：大陆乡村舞台广 盼台青从中觅机遇,
今天是个好日子 ，时逢我校初64级同砚回母校团圆。列位校友从周围八方会聚一堂 ，可喜可贺!在此我谨代表回马中学1000余名师生 ，向列位校友的到来体现最热烈的接待!接待列位同砚回母校走一走、看一看 ，共叙师生友谊 ，共话同砚友情。同砚之间的友谊是陈年迈酒 ，时间越久越是醇香甘甜。五十年前 ，你们怀着青春的梦想和热情 ，相聚相识在那初中三年中 ，履历了人生最纯净优美的时光 ，现在 ，友情已如绿水长流 ，浩然成湖。五十年前 ，你们生气蓬勃、风华正茂 ，在回马中学度过了一生中最优美的也应该是最难忘的的岁月 ，不然就不会有今天的欢聚一堂。转眼间 ，你们已经走过了五十个春夏秋冬 ，今天又再一次相聚在母校 ，让时光定格在20xx年6月11日 ，定格在我们每位校友的人生影象中。
,馃崒馃崒馃惢馃惢,在线18禁观看免费网站,日本美女黄色视频。??时势3：视频福利网址
??12月08日,印尼西苏门答腊强降雨已致26人死亡11人失踪,
“不知道 ，横竖白来了一趟 ，我不想停留了 ，明天就走 ，不然大都会死在这里。”
,亚洲日韩视频在线一区,欧美熟妇XXXXX色熟妇Y,免费男女性爱视频。??12月08日,中国杂技法国揽双金再展硬实力,
现场阒寂无声 ，石林虎摸了摸脖子上被擦掉的一块皮 ，眼中冷光闪动 ，只差了一点 ，就被人一箭毙命。
,国色天香HD仙踪林,黄色国产区视频,国产呦在线精品。??时势4：黄片毛片国产一级在线
??12月08日,在27岁，樊振东遇到了自己的“赛点”,
“炖吧 ，死了一百了 ，省的受罪！”大红鸟一副死猪不怕开水烫的样子 ，它是看出来了 ，这个凶残的孩子暂时不会吃它 ，还要靠它代步呢。
?第一百三十九章 少年凶猛,麻麻…好紧⋯好湿好深,亚洲精品999免费大片,久久免费视频网站。??12月08日,新疆机场集团首条定期国际货运航线通航,
铁箭破空 ，狈村谁人十四五岁的少年一脸的冷漠 ，张开了那把恐怖的大弓 ，直接要射杀小不点。
,人人草在线视频,午夜精品久久久久久久第一页,欧日韩在线看片免费人成视频。责编：雅克·希拉克
审核：周伟童
责编：提格
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
