猫眼影戏
 |
|
猫眼影戏
刘柱
手机审查
猫眼影戏记者 王学琴 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：久久激情精彩视频
??12月04日,俄国防部：控制顿涅茨克一居民点,
我想，我这个班主任，首先应该是一名及格的导演 。我盼愿导出充满时代气息的戏剧来：团结、主要、严肃、生动是它的主调;明确、友好、开拓、立异应该是它的主要内容;爱着这个整体和被这个整体爱着是它的主要故事 。作为导演，我将全心设计生动的情节、典范的角色、迷人的故事贡献给所有的演员――班级的每一位同砚，最洪流平地开发你们的才华 。
,性欧美WBBBWBBBWBBB 。??12月04日,文昌航天超算中心已向20多个国家出口航天数据,
兽啸震天，山林颤抖，这头凶彪强烈摇动，带着不甘，眼中的凶光徐徐阴晦，霹雳一声摔倒在了血泊中 。
,A码片全部免费无码播放,jizz.www,男男GaY 免费网站视频 。??时势2：免费看日韩
??12月04日,实行红黄牌提示制度 教育部发文促就业,
再后方，则是无限无尽的军队，真的是无边无沿，不知道事实有几多人，将这片大地都挤满了，站在祭坛上也望不到边 。
,国产乱了视频,男生的鸡鸡捅女生,激情偷乱人伦小说视频在线精 。??12月04日,澳大利亚悉尼老年大学庆祝成立六周年,
各人早上好!今天我讲话的主题是：让我们配合撑起一片清静的蓝天，配合建设协调优美的校园 。
,性裸交❌❌❌❌❌❌动态,童菲裸妆,亚洲图片p 。??时势3：黄色网站18免费
??12月04日,“泰坦尼克”号5倍大 世界最大豪华邮轮首航,
赤曦闪灼，剑鸣震耳，那柄赤剑第一个冲起，飞向高天，划出一片红艳艳的光，如晚霞般 。接着皎洁绚烂一闪，一柄白色的玉剑冲霄 。此后，紫气氤氲，蒸腾而上，一口紫剑长鸣 。
,手机看久久精品毛片,′美女h裸体,男人猛戳女人 。??12月04日,辽宁科技助残应用场景发布 推动辅助器具产学研用融合,
金色骨块上有一些纹络，很模糊，也很古朴，正是虬龙，为恐怖的远古凶兽，但这不是符文，只是一种漂亮的饰纹 。
,AIGAO视频网,超碰人人澡人人爽人人夜夜夜,歐美操B 。??时势4：亚洲高清爱爱无码
??12月04日,龙年“欢乐春节”系列活动在英国启动,
一轮紫色的太阳横空，离地三尺高，自小孤山镇前冲过，没入原始山林中，正是朝着石村偏向而去 。虽然一闪而逝，但瞬间的恐怖气息扑过，依旧让每一小我私家都战栗！
,屄视频在线观看91,熟女视频一二三四区,日韩免费网页版视频 。??12月04日,免费，微短剧走向精品化的关键之钥,
责编：白姜
审核：高荣林
责编：张家胜
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
