猫眼影戏
 |
|
猫眼影戏
阎禹
手机审查
猫眼影戏记者 袁绍宏 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：滋润刚结婚少妇
??12月09日,山西古建筑100问——常家庄园如何见证晋商的辉煌？,
借此时机 ，对同砚们提出几点希望：高三年级的同砚们 ，你们是第三中学新的希望 ，社会、学校、家长对你们寄以很高的期望 ，希望你们不负众望 ，从我做起 ，从现在做起 ，争分夺秒 ，受苦学习 ，勇于拼搏 ，运用适当的学习要领 ，认真地掌握好高三的每一天 ，从各个方面为高一、高二的学弟学妹做出楷模 ，为母校争光添彩;高二年级的同砚们你们肩负着承上启下的重任 ，希望你们再接再励 ，起劲拼搏 ，为明年的高三学习打好厚实的基础 ，争取在各项通例事情中做好模范 ，一年更比一年好!高一新生们 ，你们是三中的新鲜血液 ，希望你们尽快顺应新的情形 ，在平时起劲做到：学会做人 ，学会做事 ，学会生涯 ，学会学习 ，学会相助。
,欧美成黄色网站。??12月09日,英雄联盟LPL春季赛揭幕 新赛季新变化创造新看点,
“将信送出去！”他大喝道 ，信笺被缮写了许多份 ，原件自然要给人皇看 ，其他的将送给石姓王侯 ，这件事太大了 ，他以为这是对整个石族的寻衅。
,国产一级a爱片免费视频观看,少妇自慰，自己插,黄片无码中文。??时势2：西欧三级黄色网站
??12月09日,【央视快评】功成不必在我 功成必定有我,
作为引领时代潮流的大学生 ，陈腐、简单的头脑方法应予以扬弃 ，而换之以不拘一格、追求真知的时代气息。为此 ，我们的学生会各部分将革旧改革 ，紧跟时代程序 ，向全院学习 ，让学生会组织真正成为我们磨炼自我、提升自我的舞台 ，唱出今世大学生的新知、个性和能力。
,宋雨琦露出双乳让男生玩,影音先锋 操逼网,美女脱衣九一。??12月09日,拥抱前沿技术 开辟生命科学新赛道,
就这样小不点早出晚归 ，抛下一切羁绊 ，遗忘了凶寇未来进犯的现实 ，一门心思投入在修行中 ，准备举行一次大蜕变。
,香港曰本韩国三级网站,九九草影院,黄色无码高清一级。??时势3：mm黄色视频
??12月09日,（巴黎奥运）李越宏允文允武话射击,
一位宗老看过信后 ，连忙就暴怒。统御亿万里山河的石国正处在壮盛时期 ，却爆发了这等事 ，不可想象！
,一本大道香蕉视频在线观看,慕小千推特网红,在线观看你懂得的布洛妮娅。??12月09日,如何让“巴蜀文旅”迈向世界？重庆市政协委员建言献策,
20xx年 ，是*集团具有主要意义的一年：她迎来了*集团建成投产22周年 ，迎来了股份公司建设5周年 ，迎来了中国降生10周年。20xx年 ，我们厂家和经销商朋侪并肩战斗 ，战胜了一个又一个难题 ，实现了厂商双赢的大好时势。
,日本三级片网站免费观看,黄色网站一級片,国产精品亚洲午夜一区二区三区。??时势4：色色色一级视频
??12月09日,美方于台湾地区领导人选举结束后率团访台 国台办回应,
我们凭证城乡统筹、“四位一体”科学生长战略 ，深入推进“三个集中”和“六个一体化” ，各项事业周全生长 ，开创出生长的新征程。去年 ，主要经济指标均实现重大突破 ，国地税收实现双双破亿。今年 ，各级党组织和共产牢牢围绕市委、市政府“工业振兴年、投资增进年、刷新攻坚年、治理提升年”的安排 ，全力以赴推进灾后重修收尾和田园都会树模区建设事情 ，在工业转型 ，工业经济日趋镌汰的现实压力下 ，1-6月国地税收总量抵达1.7亿元 ，居全市州里(街道)第一位。
,黄黄黄黄色网站高清,www.色色资源站.com,iGAO视频为爱寻找激情。??12月09日,广州今年早造种粮预计约21万亩 推动增产增收,
一群大人哈哈大笑 ，而石飞蛟则是受惊 ，道：“你们别笑 ，这小工具的实力着实惊人！”
,国产浓密,亚洲欧美激情综合一区二区,反差婊吃瓜黑料万里长征。责编：刘凌霄
审核：张洪金
责编：赵自云
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
