猫眼影戏
 |
|
猫眼影戏
朱兴珊
手机审查
猫眼影戏记者 费拉里 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：性欧美 潮喷水口
??12月04日,新疆博州：云层下的“梦幻草原”萨尔巴斯套,
“这是一个祭灵吗，怎么称呼它 ？”雷云坤小心的问道。
,操人免费黄色网站。??12月04日,F1中国大奖赛：车迷观赛热情高涨,
石毅重瞳发光，伏在宗老的背上，冷漠的盯着战场中谁人犹如黄金战神般的身影，小小年岁，眸光却令人心悸。
,斗罗禁游,深夜导航小辣椒,亚洲A∨理论片。??时势2：欧美777av视频
??12月04日,中办、国办：推进新型城市基础设施建设打造韧性城市,
这头庞然大物非 ？植，铁翅击天，摧毁一切，鳞片闪灼着森寒的光线，一个俯冲，就让这片山林毁了泰半，碎木与残叶翱翔。
,男人的 伸到 屁股摇起来,18 无套直女,国产第一区在线视频。??12月04日,【地评线】太阳鸟时评：切实把两会精神转化为推进中国式现代化实际行动,
被告人、自诉人和他们的法定署理人，不平地方各级人民法院第一审的讯断、裁定，有权用书状或者口头向上一级人民法院上诉。被告人的辩护人和近支属，经被告人赞成，可以提出上诉。
人民法院受理的上诉案件，一样平常应当有上诉状正本及副本。
上诉状内容应当包括:第一审讯断书、裁定书的文号和上诉人收到的时间;第一审法院的名称;上诉的请求和理由;提出上诉的时间;上诉人署名或者盖章。若是是被告人的辩护人、近支属经被告人赞成提出上诉的，还应当写明提出上诉的人与被告人的关系，并应当以被告人作为上诉人。
被告人、自诉人、附带民事诉讼原告人和被告人因誊写上诉状确有难题而口头提出上诉的，第一审人民法院应当凭证其所陈述的理由和请求制作笔录，由上诉人阅读或者向其宣读后，上诉人应当署名或者盖章。
被告人、自诉人、附带民事诉讼的原告人和被告人通过第一审人民法院提出上诉的，第一审人民法院应当审查上诉是否切合执法划定。切合执法划定的，应当在上诉期满后三日内将上诉状连同档册、证据移送上一级人民法院，同时将上诉状副本送交同级人民审查院和对方当事人。
被告人、自诉人、附带民事诉讼的原告人和被告人直接向第二审人民法院提出上诉的，第二审人民法院应当在收到上诉状后三日以内将上诉状交第一审人民法院。第一审人民法院应当审查上诉是否切合执法划定。切合执法划定的，应当在接到上诉状后三日以内将上诉状连同档册、证据移送上一级人民法院，同时将上诉状副本送交同级人民审查院和对方当事人。
被告人、自诉人、附带民事诉讼的原告人和被告人及其法定署理人在上诉限期内要求撤回上诉的，应当准许。
被告人、自诉人、附带民事诉讼的原告人和被告人及其法定署理人在上诉期满后要求撤回上诉的，应当由第二审人民法院举行审查。若是以为原讯断认定事实和适用执法准确，量刑适当，应当裁定准许被告人撤回上诉;若是以为原讯断事实不清，证据缺乏或者将无罪判为有罪、轻罪重判等，应当禁绝许撤回上诉，并凭证上诉程序举行审理。
地方各级人民审查院对同级人民法院第一审讯断、裁定的抗诉，通过第一审人民法院提交抗诉书。第一审人民法院应当在抗诉期满后三日内将抗诉书连同档册、证据移送上一级人民法院，并且将抗诉书副本送交当事人。
执法划定，在第二审法院审理案件的历程中，上诉人有权撤回上诉。上诉人一经撤诉，便损失了上诉权 ，不可再提起上诉 ，并应肩负诉讼用度。
上诉人撤回上诉是行使处分权的体现，凭证当事人处分不可违反执法、规则的原则，上诉人申请撤诉是否准许，由第二审法院依法做出裁定。若是第一审裁判确有过失，纵然上诉人要求撤诉，也不应批准，第二审法院仍要按上诉审程序举行审理，以便做出正当的裁判。这是由于设立第二审程序的基础之一就是上级法院的审讯监视权。
?什么情形下股权转让需要审批,麻豆午夜福利视频,男女二级a万,射射网址。??时势3：高潮爽死抽搐白浆的视频网站
??12月04日,中外学者共同撰写“跨文化中国学丛书”第一辑新书面世,
同时，我再次提醒骑自行车的同砚，一定记着出门向东拐的，你提前(在楼后)就走东侧，出门向西拐的走西侧，万万不要到了校门外路口再交织而行，这样太乱，使原来拥挤的路口更拥挤，一经发明，执勤先生或同砚将责令你停下返回学校，让你班主任领你走准确蹊径。
,按摩师让少妇高潮喷水,A片亚洲A片com,免费男女囗交视频。??12月04日,第27届中国（四川）新春年货购物节在蓉开幕,
随后的几天里，小不点又酿成了野人，不得不击杀凶禽猛兽，在山中穿行，他全身是血迹，身上的兽皮衣破破烂烂，走的并烦懑，由于独角兽还没有痊愈，行程被延误了下来。
,小妖精的yin荡日子h高H视频,免费欧美一级电影,欧美一区2区三区4区公司二百。??时势4：AVav国产AV
??12月04日,浙江高校学子组成“考研搭子团” 11人全部考上浙大,
要实现这个雄伟的目的，需要在坐的新一届村居两委成员的上下同心、配合起劲。关于在坐的列位村居干部来说，目今最主要的就是周全提高自身整体素质，切实做好下层事情;就是要树立信心，下定刻意，凝聚民心，周全、认真、扎实地完成镇党委、镇政府下达的各项事情使命。因此举行这次培班就显得尤其须要。
,高潮时吸住我的奶头好爽,欧美极品aⅴ影院,一级一级一级毛片黄。??12月04日,绿色“一带一路”十周年创新理念与实践案例(一),
同砚们，我们垫江实验中学，是一所规模大、条件好、质量高、有特色、现代化的重庆市重点中学。学校办学历史悠久，区位优势显着，办学条件优越、师资实力雄厚、办学效益显著。学校是西席生长的沃土、是学天生才的摇篮，是文明撒播的中心，我们学校赢得了普遍的社会赞誉和洽评。
,久久黄网站免费看,最爽爱爱高潮免费视频,日屄视频自拍特写。责编：多列士
审核：樊昳杉
责编：马斯特斯
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
