猫眼影戏
 |
|
猫眼影戏
徐竹初
手机审查
猫眼影戏记者 孙允高 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：操操操人人网站
??12月03日,探访百岁老人日常生活：起居有常 饮食有节,
红色的，那是热情，是彷徨无助时同砚们热情的帮助，是不知所措时先生们循循的诱导，是被寥寂啃噬时朋侪们绵绵的眷注……红色的热情，燃起红色的火焰，温暖了一颗颗孤寂的心 。
,欧美三级黄片在线免费播放 。??12月03日,俄乌再度交换被俘人员 各向对方移交115人,
“啊，这样一枚神异的蛋，直接凿穿？”小不点犹豫 。
,一级片高潮激情,国产怕怕,人妻蜜肉动漫 。??时势2：欧美激情在线观看粗黑硬
??12月03日,美国宣布向乌克兰提供新一轮军援 价值1.25亿美元,
1、火灾袭来时要迅速逃生，不可贪恋财物 ；鹪直⑹崩词蒲该，若是贪恋财物，就会失去逃生的时机，记 。夯鹪直⑹鄙亲钪饕 。
,久久综合一色综合久久88,久很很操,国产睡熟迷奷系列网站 。??12月03日,部分1分起投 理财产品申购门槛调整,
“嗡”的一声，天地剧颤，一只恐怖的大爪子横空而来，击向小红鸟，神光汹涌，如惊涛拍岸，众多无边 。这是一次袭杀，那耸立世间、耸入云层上的生灵，眸子碧油油，突然发动攻击，舍弃持铁棍的敌手，攻向小红鸟 。
,VIDEO西欧极品|360dyy.com|睡着后到起床前村妇女主任的大肥屁|两男一女,国产播放免费人成视频播放,全网免费毛A片网站 。??时势3：午夜福利在线观看九色91
??12月03日,以新质生产力推动高质量发展 智库专家山西临汾共论中国经济下一程,
“族中要处分你娘，你以死威胁不可杀她是吗？不知道今日我在此杀了她，你会不会真的横刀斩颈 。”石子陵清静的说道 。
,色a在线视频,CaoPoron草棚在线视频,2023玄兵大战倾辛免费观看 。??12月03日,自然资源部：近十年海洋灾害直接经济损失575.88亿元,
一、校容校貌面目一新 。
,啊啊啊啊啊,好爽啊,啊啊啊啊不要啊啊啊,日本AV免费电影,XXX村妓 。??时势4：成品人和精品人的区别与联系
??12月03日,（巴黎奥运）启蒙教练谈冯彬：期待她更闪耀的一掷,
第三，加速城镇化历程，是建设社会主义新农村的助推器 。xx届五中全会提出了建设社会主义新农村的主要历史使命 。我县是农业大县，要实现建设社会主义新农村的目的，难点、重点和要害点都在“农”字上 。基础出路在于加速推进城镇化建设，通过城镇化“化”农业、“化”农民，把大宗农村生齿变为城镇住民，一直提高农业劳动生产率，为农村经济集约式生长提供辽阔的空间 。同时，城镇建设与人民群众的生涯息息相关 。加速城镇化历程，不但能增进物质文明的快速生长，还能引发人们对教育、医疗卫生、文化艺术等更高条理生长的需求，增进精神文明的生长和公共效劳设施改善 。我们只有加速推进城镇化，一直完善城镇基础设施，才华为新农村的建设打下优异的事情基础 。
,r18官网登录入口,爆乳女神▌麻酥酥▌福利,被舔到潮吹，对准嫩肉穴插了进去破了她的处女之身 。??12月03日,《中国文化名片：北京中轴线非遗之旅》将出版 系统呈现中轴线上的人物生活,
狈山拔出巨剑，冲向小不点，冷森森的冷光在山林中划过，五六千斤的臂力凶猛的惊人，双手轮动阔剑，像是劈出了一道闪电 。
,亚洲成人网址在线,成人做爰黄 7 4片涩涩涩电影,大乳小说 。责编：里克·斯奈德
审核：何威廉
责编：熊佑良
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
