猫眼影戏
 |
|
猫眼影戏
王仁甫
手机审查
猫眼影戏记者 成惠琳 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：国外黄片免费视频
??12月04日,中国三部门公布房地产税收优惠政策,
虽然，虽然口中这样喝问，可是他早已下了下令，这次绝禁止情，杀无赦，要一战究竟。
,爱搞为爱加点料视频。??12月04日,福建省计划生育协会党组书记、常务专职副会长张永裕接受审查调查,
三是顺应快速生长的需要。这几年确实生长很快，但在以后一段时期来看，我们遭受压力会更为重大、面临的竞争会更为强烈。随着长沙拓城程序的一直加速，我镇已列入都会都会区妄想。从20xx年起县对各州里的目的审核就分了2个审核层次，我镇纳入一类型的7个都会州里审核，从其他6个州里来看，、生长势头咄咄逼人，、快速崛起，我们面临着前有尖兵，后有追兵的严肃形势？梢运，慢走一步就可能差之千里，延伸一时就要落伍多年。因此，我们各镇村干部、各单位认真人一定要认清生长的态势，战胜竞争的劣势，形成崛起的强势，逐步增强小我私家的竞争意识，提高小我私家的竞争能力，来顺应、加速星城快速生长的程序。
,真人一进一岀一级特黄A视频,黄色网站永久,雏田被扒 3D 难受。??时势2：精品丝袜国产自在线拍AⅤ
??12月04日,华东地区最大进口水果批发市场：车厘子成“销冠” 国产蓝莓受欢迎丹麦王室高支持率背后：女王玛格丽特二世的成功“经营”,
“你用的不是宝具，你这是……骨文的实力？！”狈风惊疑未必，第一次变色，这么幼小的孩子掌握了这种神秘实力，着实恐怖。
,原神同人18 动漫免费天堂完整,欧美色图亚洲色图激情小说,亚州在线观看播放免费视频人。??12月04日,巴基斯坦发生两起翻车事故 已造成至少35人死亡,
三是进一步规范村级财务治理机制。 一要建设村级财务预决算制度，提高村级组织自身的谋划治理水平。要制订村级可用收入和支出的预算妄想，提交村民代表大会讨论通过，并举行决议转达。增强内部支出治理，严酷开支审批制度及其他财务治理制度。严酷执行“村整体经济不可为小我私家和企事业单位提供担保”的划定，以镌汰村级整体经济危害。二要对村内兴办重至公益事业项目，实验“一事一议”。村内举行农田水利基本建设、修建村级蹊径等公益事业，所需劳务和资金，凭证“谁受益、谁肩负”的原则，先由支部探讨，再由村民大会民主讨论决议，事前要明确项目和筹资方法及招标方法，事中要落实责任和增强监视，事后要果真帐目。三要起劲推进村帐署理制度。在村可用资金所有权、使用权、审批权、核算单位和监视机制“五稳固”的条件下，做好“按期报帐制、记帐署理制、会计聘用制”为主要内容的“村帐署理”制，既能压缩非生产性开支，又能对经济运行中的问题能实时获得反响，以便实时接纳步伐加以解决。四要健全村务果真和按期审计制度。凡属群众体贴的热门问题，以及村里的重大事项必需实时向村民果真，在坚持统一村务果真日的基础上，至少每季度果真一次，做到内容、形式、程序、时间“四规范”，并且要流通反响渠道，进一步提高透明度。同时，要普遍实验年度审计、届前审计和离任审计，切实增强监视力度。五要严酷执行收支政策和划定。对村级整体应收欠款，应举行一次周全整理，限期收回，要凭着实事求是、量入为出的原则，严禁逾越村级财务效劳，严酷划定非爆发性开支的标准及比例。阻止超财务效劳的征象，对兴办重大建设项目，可在届内平衡的条件下搞建设。对村的公共设施、社会事业建设、养老金支出及村民福利等，要实事求是。
,欧美专区在线观看,www com黄色网站在线观看,韩国跳舞露双乳视频网站。??时势3：亚洲国产a片日韩av
??12月04日,陈晓拴代表——科学推进乡村规划落实,
小不点瞪着他，一言不发，他在等石村的人赶来。
,满18岁免费观看电视剧大全最新章节,操碰av在线,亚洲α√天堂αv天堂欧美。??12月04日,美议员称支持乌克兰能使西方国家使用乌矿产 中方：说出了美方真实考虑,
远古的金翅大鹏、真犼，那可是敢屠神的保存，至高无上，而天生至尊则能与它们一战，未来谁与撄锋？
,亚洲一本到无码视频一区,91在线视频播放,a片免费资源。??时势4：日B乱轮小说
??12月04日,8项公安交管便民利企改革新措施7月1日起实施 一图了解→,
④ 引进了大宗的人才，他们在手艺、治理、生产岗位上施展着主力军的作用。
,玖玖在线看,国产黄色三级片在线视频,91porn。??12月04日,南北山绿化工程拓宽群众增收路,
高空中，大风咆哮，一只巨鸟在山林中投下大片的阴影，极速俯冲而来，全身流动青色冷光，凶气惊人。
,又爽又黄又无遮挡网站自慰,日韩xx网,七色猫免费观看电视剧影视大全。责编：亚历山大·佩恩
审核：梁文钊
责编：张兰极
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
