猫眼影戏
 |
|
猫眼影戏
王志凤
手机审查
猫眼影戏记者 周娟 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1：八重神子被爆炒
??12月04日,国家二级保护动物狍鹿在祁连山踏雪觅食,
“凭证约定 ，昊儿应该留在这里养伤 ，他们这是不定心你啊 ，想掌握你的动态 ，怕你直接就杀回去。”一个老人说道。
,红豆黄色一级视频。??12月04日,塔里木河两岸金色胡杨迎来最美观赏季,
一、首先我对我们集团公司做一下先容。安徽外经是安徽“走出去”较早的企业 ，早在1992年就率先走出国门 ，走向非洲 ，20xx年斗争 ，现在已经是天下着名的外向型综合企业 ，“走出去”的一面旌旗。实力雄厚 ，信誉卓著。公司在非洲生长的乐成模式 ，主要是通过承建一个援外项目 ，建设一个分公司 ，开拓一片市场。在天下四大洲 ，我们有20多家分公司 ，营业领域涵盖工程承包、矿产开发、珠宝加工与销售、房地产、连锁超市、旅馆等。特殊是我们在非洲的“天地亿万多”连锁超市 ，在安徽企业是第一家 ，在天下有这样的规模 ，也较量少。由这几张图可以看出我们公司的谋划规模 ，第一张图是我们承建的援外项目 ，第二张图是我们连锁旅馆 ，第三张图是我们的连锁超市。再到第四张 ，这个是我公司的钻石矿产 ，63克拉宝石级钻石。这样的公司 ，各人和他相助 ，应该定心 ，也应该有信心 ，相助共赢。同时告诉各人一个好新闻 ，在我们即将开业亿万多超市里也有我们自己的德盛珠宝销售 ，届时接待列位选购。
,久久ss99久久,一级A片刺激高潮久久,国产拍一区。??时势2：色偷偷色噜噜狠狠久久97
??12月04日,安徽黄山：西溪南首届国际村BA开赛,
有用果 ，虽然也有问题。好比说西席的出勤问题 ，晨读的向导缺堂的问题 ，个体班级课堂纪律涣散的问题也应该引起我们的关注。说真话我也很担心 ，但我相信 ，我们的西席也不肯意迟到早退 ，不肯意请假 ，不肯意缺堂 ，而是由于这样那样的客观缘故原由造成的 ，以是我也不肯意动辄用制度行止罚。我一直坚信 ，校长不应该高举制度的鞭子 ，而应扛起人性的大旗 ，学校的治理宝应该闪灼着人性的绚烂 ，而不应该彰显制度的狰狞。
,2014亚洲无码视频,免费视频欧亚小说,一级黄色级黄色级黄片一级黄片一级黄片。??12月04日,氢燃料电池汽车困局调查 年销不足万辆 加氢站成本高利用率低,
首先就是要争取向导的支持、各部分的配合。
,A三级片直播黄色,亚洲图片视频偷拍二区,亚洲黄色区。??时势3：熟女大战丝袜av一二区
??12月04日,内蒙古阿左旗：湖清水静 赤麻鸭欢聚一“塘”,
小不点在远处看了一会儿 ，驾驭独角兽迅速远去 ，他并没有进城 ，怕生出什么变故 ，由于城门口有人在盘问。
,国产毛片A级久久久不卡精品潘甜甜,欧美97色色,三个老头玩一个女学生。??12月04日,青海西宁：古街巷陌“烟火”升 抚舌尖暖心间,
“啪”、“啪”……
,先锋影音你懂得,国产AV一区二区三区制服,香蕉文化漫画书免费阅读更新时间。??时势4：哦┅┅快┅┅用力啊┅新一
??12月04日,山西屯留：初秋绛河美景如画,
最为主要的是 ，一种蛮荒兽王的气息铺天盖地 ，榨取的这些巨兽颤抖 ，簌簌颤抖 ，再也不敢攻击与前进。
,天天综合在线www在线观看,又粗又黄又硬又爽的免费视频,,乳欲の馆2.0.0.5下载安装。??12月04日,程丽华当选重庆市政协主席,
几个老人都吓了一跳 ，都启齿 ，郑重申饬。
,亚洲.国产.欧美一样区二区三区,免费观看肉肉啪啪污网站,无码人妻夜夜爽。责编：罗塞塔
审核：贺漪很
责编：陈连生
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
