猫眼影戏
 |
|
猫眼影戏
张春和
手机审查
猫眼影戏记者 徐红 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：看欧美性色A片
??12月09日,（经济观察）“两国双园”建设深化福建与东盟经贸合作,
“真正的人族至强者，有部分人最终会降生出圣骨，泛起自己的原始印记，有自己专属的原始宝术！”男子话语铿锵，此后转为激动，道：“有极个体人，更是天生就有原始宝骨，如金翅大鹏、真犼一样平常，与生俱来，所降生的宝术足以傲世，称之为至尊骨也不为过！”
,冢本 亨利 昭和 家族物语 。??12月09日,中国拟明确非银支付机构注册资本附加要求,
二、海内和非洲零售业市场的比照剖析，让各人对现在海内和非洲的零售业有所相识，首先通过媒体的一组数据反应，海内零售业在电商的攻击下，急转之下，京东淘宝现在注册的电商越来越多 。导致门面销售量越来越低 。至20xx年上半年主要零售企业，统计显示在海内已经关了121家，这是有据可依，有证可查 。其中家乐福超市上半年关了3家，永辉超市上半年关闭了5家，沃尔玛在中国现在有400家门店，20xx年上半年已经关闭30% 。从第一张表可以看出，海内经济正在转型，古板行业已经趋于饱和，经济生长的新动力，有待进一步挖掘 。第二张表就是海内生产总值的生产状态，各人可以从这张表，很清晰的望见 。由20xx年的7.7到20xx年的7.3 ；繁仍鎏7.3%，可是比同期来讲，他的增式是减缓的 。导致了我们所有零售行业GDP总体下降 。中国原来是一个天下加工厂，可是由于劳动力本钱的提高，原质料价钱的上涨，许多的加工厂现在已经向东南亚地区举行转移 。因此，寻找新的经济增添点，追求新的经济生长区域，成为当务之急 。
,免费看操片,999啪啪免费视频,91 亚洲一区 。??时势2：星巴克破解版下载
??12月09日,国际识局：这一年，超6万吨核污染水入海，仅是冰山一角？,
虽然恼怒，可是它知道，不是老狻猊的敌手 。
,久久99久久免费视频,啊好大好爽软件,男男无码免费专区男人的天堂 。??12月09日,“中华玉龙之乡”上演千人高跷大巡游,
这舞台是你们的，你们是虽然的主角，为此，我宁愿情愿地做一名配角，尽我的实力竭诚为主角效劳 。而在你们乐成的演出中，我只想默默地分享一点点乐成的快慰 。
,亚州性图,bbvd.to鈥唒,高清无码国模人体AV 。??时势3：黄片168
??12月09日,新疆阿克苏地区乌什县地震未对通信用户造成影响,
“霹雳”一声，小不点从原地消逝了，他自然不会硬抗，这件宝具太恐怖了 。
,妈妈鼓蓬蓬的牝户泰剧在哪看,稚嫩学院下载,无码人妻aV一区二区三区色欲 。??12月09日,中共中央政治局召开会议 审议《关于二十届中央第三轮巡视情况的综合报告》 中共中央总书记习近平主持会议,
这次的兽潮正是有这头强盛的凶禽带队，它发出啸声，地面上的种种猛兽马上最先攻击，慑于其威，莫敢不从 。
,91网址在线观看www免费,亚洲国产精品视频,人人干日本精品 。??时势4：欧美丰满熟妇色XXXXX
??12月09日,三峡升船机2024年计划性停航检修启动,
胜利，在向你，微笑 。
,她脱了裙子露出尿孔对着我尿,不卡综合色呦呦,免费一级黄色操B网站 。??12月09日,山西临汾通报7起违规使用医保基金案例 侯马市人民医院两次违规,
最后，我想在这次大会上向全体同砚们提出几点要求：
,毛片操操操,哦美一级黄色网站,www.干干干 。责编：和广发
审核：王酩
责编：保罗·贝坦尼
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
