猫眼影戏
 |
|
猫眼影戏
宋度宗
手机审查
猫眼影戏记者 吴天安 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模块的依赖，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1：九区毛片视频
??12月04日,全国充电基础设施保有量达1188.4万台,
这若是传出去，肯定会让一些部族都动心。
,国产大骚逼。??12月04日,港澳博士：深港科技融合优势互补是大势所趋,
沐浴后的小不点全身晶莹，符文闪灼，看起来漂亮又可爱，他纵身一跃，坠进欢喜的大鼎中，光华灿灿的金色液体马上将他淹没。
,五月丁香香蕉视频,国产色清,欧洲黄色网站手机版。??时势2：人人艹艹艹
??12月04日,生态环境部发布第一批城市和产业园区减污降碳协同创新试点名单,
要进一步破除制约城镇化生长的规章制度，修建城镇化生长的体制平台。一是建设城乡一律就业制度。继续整理限制农民进城就业的歧视性政谋划定，不得对外来职员进城从业设置障碍。党政机关、企事业单位在招录和事情职员时，不得举行户籍或地区限制。实验身份证治理，不得对外来职员从业设置任何歧视性的挂号项目。作废对外来从业职员及其用人单位的不对理收费。二是严酷劳动执法监察。严酷执行同工同酬和最低人为标准制度，严肃查处拖欠、克扣人为行为。三是强化就业和创业培训。整合种种培训资源，实验农村劳动力转移“阳光工程”。健全劳务输出网络，增强劳动力市场信息网络和人才资源库建设，建设成建制劳动输出基地，指导城乡富余职员有组织、成建制的劳务输出。给予返乡创业者与外资外商同期待遇，推动“回归工程”进一步生长。四是刷新户籍治理制度。逐步破除农业和非农业户口二元制治理模式，推行按现实栖身地举行挂号的户籍治理制度。五是加速“城中村”及近郊无地少地住民的转户程序。“城中村”和人均耕地少于亩的近郊住民，可凭证自愿转为城镇户口，纳入城镇统一治理。“城中村”和近郊转户住民在一定限期内可继续享受原整体的福利待遇，承包的土地和正当宅基地可以保存。六是完善社会包管制度。外来从业职员和“城中村”及近郊转户从业职员要纳入社会包管规模。用工单位或雇主必需为其办理城镇职工基本养老包管、医疗包管和工伤包管。同时，起劲生长城镇基础教育，刷新城镇医疗卫生条件，切实解决好群众看病难的问题。
,欧美片日韩片国产片精品不卡,温柔的遗孀希岛爱理,欧美老妇50一区二区视频。??12月04日,2024中法人口老龄化国际会议在苏州举行, 经查，陈玉祥损失理想信心，背弃初心使命，执纪违纪，执法犯法，罔顾中央八项划定精神，热衷于吃喝享乐，恒久频仍接受宴请，违规接受旅游、健身等活动安排；无视组织原则，在干部选拔任用中为他人谋取利益并收受财物；违规收受礼物、礼金；违反事情要求，干预和加入司法及执纪执法活动；甘于被“围猎”，把组织付与的权力看成谋取私利的工具，大搞权钱生意，使用职务便当为他人在企业谋划、项目运营等方面投契，并不法收受巨额财物。,精品无码裸体大屁股XXXⅩ,免费看AA发在线观看,18岁禁止视频。
??时势3：杨幂自慰喷水
??12月04日,【理响中国】在新的历史起点上建设中华民族现代文明,
小不点左手谁人大人物的手臂被一道雷霆击断了，鲜血淋淋，将他痛醒了过来，咆哮连连。
,精品国产群3p在线观看91,筱田优人妻欲求不满V8,国产偷人视频。??12月04日,“歪果仁”江源玉树游“人文称多” 互洒糌粑送祝福,
大湖干枯，底部的泥浆晒干后坚如硬石，这只生灵的一只腿埋在泥浆内，现在像是封在了石头中，不可拔出。
,免费观看黃色A片一级频,国产无码四页视频在线观看,国产一级内射。??时势4：亚洲全网黄色网站
??12月04日,【小新的Vlog】雨中“追火箭”有多壮观？ 第一视角带你看“嫦娥”发射,
石林虎、石飞蛟等人很兴奋，虽然还没有骑上独角兽，可是现在有一群优良的猛兽先取代，也还不错。
,好看的a片在线看,亚洲网页,国内av在线网。??12月04日,中俄将继续巩固能源矿产粮食等贸易规模,
“阿叔，我知道的。族长爷爷，你们先回去吧，这里太危险，即便我们举族出动，时机也不大。”
,2020久久精品亚洲综合,人人操人人摸人人舔人人爽,91POPNY老熟女国产。责编：亨德森
审核：格雷古瓦尔
责编：王一琛
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
