猫眼影戏
 |
|
猫眼影戏
丹晨
手机审查
猫眼影戏记者 杰拉尔德·福特 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：www.黄片com
??12月09日,五一假期北京全市公园接待游客906.74万人次,
列位代表、同志们，县委希望你们能够继续发挥笃志苦干力争上游的优良古板，继续施展党代表的桥梁和纽带作用，细密团结在新一 届党委周围，与全乡群众同心同德、奋力拼搏，驻足岗位，创先争优，扎实开展“学党章、讲党性，弘扬延安精神，推动科学生长”主题教育活动，为早日实现生产生长、生涯宽裕、乡风又明、村客整齐、治理民主的社会主义新农村而起劲斗争!
,高圆百盒子所有电影 。??12月09日,“悦享童年·公益阅读”世界读书日系列活动在北京举办,
威力惊人！
,黄色视频12入口,97人人射人人操,色小说 操 。??时势2：韩国国产色色一区二区视频
??12月09日,赵丽颖获第十七届亚洲电影大奖“AFA新世代奖”,
清静是什么?清静是一种态度 。清静，对我们氯行业来说是放在首位的，我们经常讲“清静第一” 。这就是我们的态度，也是我们的原则 。清静是包管我们事业顺遂完成的法宝，清静是我们取得效益的条件，清静对我们来说至关主要 。因此我们就要事事讲清静、时时讲清静，不重视清静的效果是无法估量的、是要支付沉痛价钱的 。把生命握在自己手中，就是要自觉地把清静提取到“天”字号的位置上，认真学习清静规程，起劲接受清静培训，只有头脑上多一道防地，清静上才华多一分包管，坚决战胜幸运心理和麻木头脑，当幸运心理闪现时请想一想：怙恃双鬓的鹤发，妻子悬念的眼神，孩子睡梦中那甜甜的微笑，难到一切还不可感动那浮燥的心吗?当麻木头脑仰面时，请再想一想：年迈的双亲需要你床前尽孝，贤惠的妻子需要你牵手人生，可爱的子女需要你为她避日挡风，岂非这一切还不可叫醒那麻木的神经吗?生命，一旦失去就不会再有回来的时间，尚有什么比幸福地在世更难堪的工具呢?珍惜生涯，敬重自我，把生命握在自己手中，去享受人世的天伦之乐，去感受人世的至爱与温情，这该有多好……
,欧美黄色一级久久片,亚洲 国产 清纯,国产美女爆乳主播在线播放 。??12月09日,国务院食安办通报对媒体反映的“罐车运输食用植物油乱象问题”调查处置情况,
正是谁人人族少年，他年约十四五岁，体魄强壮，如一尊蛮神下界，与小不点硬撼了数十次 。
,欧美wwwwxxxx,JM漫画官方正版入口最新版下载,美女被 到高潮出白 。??时势3：黄色美女品初中生网站
??12月09日,集纳｜中国体育代表团巴黎奥运会精彩表现系列述评,
凶寇泛起，严重威胁到了石村，关乎生死生死，不管他们是不是昔时的那股凶人，都将是一场大祸 。
,秘 动漫,国产女人好爽好多水,芙莉莲疯狂 自慰爽18禁 。??12月09日,数读中国 | 我国社会物流成本水平总体保持下降态势,
小不点抬起手臂，符文亮起，双臂都密布许多纹络，灿灿生辉，此后一指点出，嗤的一声的飞出一只赤红的小雀儿，让前方一株大树燃烧了起来 。
,欧美视频在线看,久久久999在看视频,樱花禁漫 。??时势4：九九九一级黄色视频
??12月09日,AI眼中的中国｜春来植新绿，静待成荫时, 针对上述情形，通用汽车高管体现，企业对扭转中国市场的销售时势仍有信心，他们希望旗下新能源车型能在中国市场继续发力 。据彭博社报道，通用汽车董事长兼首席执行官玛丽·博拉此前体现，“当你视察中国市场时，会发明它与5年前有很大差别 。我们希望能够以准确的方法加入到这个市场中 。”只管在中国市场份额占比不大，但斯特兰蒂斯也看好中国市场，并“入股”中国车企 。去年10月，斯特兰蒂斯宣布与中国零跑汽车成为全球战略同伴，并向后者投资15亿欧元 。,求个毛片网站,日批视频在线免费看,性BBB网站 。
??12月09日,四川省举行向邓小平同志铜像敬献花篮仪式,
他们也是一群通俗的小市民，轻视，厌恶的眼光不应群集在他们身上，进入图书馆的权力不应被剥夺 。人们的太过言语批注贵贱有别的头脑蒙蔽他们的双眼，让他们看不到那些和他们一样一律的人，纵然是卑微的拾荒者 。而馆长诸树青恰恰接待他们的到来，让众人明确，各人是一律的，正义的天平从不倾斜 。
,一区二区不卡女同性恋,4399黄色毛片网站免费播放,日B乱轮小说 。责编：吴晓军
审核：汪中杰
责编：张燕
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
