猫眼影戏
 |
|
猫眼影戏
雅歌
手机审查
猫眼影戏记者 史鹏 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：成年人黄色网站免费
??12月09日,1元包装费缘何触动消费者神经？,
首先，要认清周边地区的生长态势。从地理情形来说，与我市相邻的周边都会都位于豫鄂皖接壤处，都是三省的边沿化地区;从经济生长情形看，同属于欠蓬勃地区，经济现状基内情近，都是农业大市;从生长基础来讲，已往的条件平分秋色，都是在年前后撤地设市的。因此，我们周边市的经济社会生长情形大致相同，统一水平，统一起跑线。可是从最近我们相识的情形看，爆发了新的转变，真是不看不知道，不比不知晓，一看一比吓一跳，周边几个都会生长速率惊人，特殊是城镇化建设的效果特殊显著，可以说是日新月异，面目大变。一是加速城镇化历程的愿望特殊强烈。面临天下各地城镇化快速生长的现实，我们这些欠蓬勃的中西部地区，都注重于通过加速城镇化发动和增进经济社会生长，加速城镇化历程的愿望和要求尤为强烈和迫切，正在千方百战略求城镇化快速生长。位居我市之西的市，坚持市、县、镇三级联动，形成四城联创，加速推进城镇化康健协调生长。该市明确提出，“”时代的斗争目的是把市中心城区建设成为鄂豫陕毗邻地区特大中心都会，全市城镇化率每年提高个百分点，县以上建制镇区常住生齿每年增添，到年，全市城镇化率抵达，中心城区生齿抵达万人，城区面积抵达平方公里，并向远期万生齿、平方公里的目的起劲。这几年坚持区域性中心都会、县城、小城镇同步生长、“三头并进”的城镇化生长目的，力争在今年底，使城镇生齿抵达万人，城镇化水平抵达。紧邻我市东部的省市实验非平衡生长战略，优先生长重点中心城镇和建制镇，以钻营实现城镇化跨越式生长，力争到年城镇生齿抵达万，城镇化率抵达。二是推进城镇化建设的力度超常有力。相邻各市都把加速城镇化历程作为生长经济的突破口和赢得新一轮区域竞争优势的重大战略来抓，纷纷接纳超通例步伐，增强向导实力，实验优惠政策，加大资金投入，强力推进生长。市把提高都会化水平，扩大都会规模，增强都会发动辐射能力，作为全市事情的重中之重，去年一年投入亿多元用于城镇建设，这相当已往几年城建投入的总和，投入力度显着加大。市也不吝重金加大城镇化建设的资金投入，近三年该市用于城镇基础设施的资金达亿元之多，全市城镇面目大为改观。市通过深入开展建设星级城镇活动，加速农村生齿的转移，使小城镇获得快速生长，近年全市城镇生齿增添万人。年以来，市县累计投资城镇基础设施建设近亿元，使城区面积抵达平方公里，常住生齿万多人，占全县总生齿的，全县城镇化率抵达。三是城镇化水平显著提升。近几年，周边几个都会城镇化的程序显着加速，城镇化率每年都以个百分点以上的速率递增。阻止年底，城镇化率水平都在以上，最高是省市抵达，其次是我省市抵达，我市为。预计到今年底有些都会城镇化率将突破。城镇规模迅速扩张。周边各市都接纳建设新区等步伐，拉大都会框架。近年来，省县城镇建成区面积扩大了一倍，转移了近万农民进城进镇就业和生涯。年底，周边个省辖市的中心城区生齿均在万人以上，面积平方公里以上。其中抵达万人以上的有市、市，万以上生齿的有市、市、市;万以上生齿的有市、市。市中心城区生齿最多，市区生齿已达万人;中心城区建成区面积最大，抵达平方公里。城镇综合效劳功效增强。市中心城区垃圾处置惩罚率达，供水普及率，燃气普及率，人均公共绿化面积平方米。城镇经济实力大大增强。城镇化快速生长，对经济拉行动用愈来愈显着。今年元至九月份，周边都会经济总量大幅攀升，其中，市抵达亿元，市抵达亿元，市抵达亿元，市抵达亿元，划分为全省第位、第位、第位和第位，我市国民生产总值为亿元，居全省第位。
,黄片一级久久公欧美。??12月09日,志愿者黄慧星：踩下油门我就没想过回头,
我想每一小我私家都不可也不应该遗忘清静与生命是牢牢联系在一起的。关注清静就是关注生命，关注清静就是关注我们自己！
,爆操wwwwaaa,男人天堂s8视频网站,人人摸AV在线。??时势2：黄片一级日日夜夜
??12月09日,苏菲·玛索：中国电影为国际电影市场注入新活力,
“哞……”
,豆瓣酱新娘主题8780,色欲天天婬色婬香综合网图片,人人草人人看人人色人人操。??12月09日,新疆自治区侨办恭贺2024新春,
这是一种很凶悍与强盛的异禽，体内有传承自远古魔禽的血液，很难搪塞，一样平常的猛兽与凶物被它盯上都得死，难逃活命。
,综合自拍第一页第二页,www.操操,欧美性爱一级A片野外。??时势3：国久久黄片
??12月09日,国家体育总局局长：2023年我国人均体育场地面积达2.89平方米,
6、教育培训新颖扎实。20年，公司围绕“为需所学、为用所学”的指导头脑，本着“以人为本”的理念，多渠道、多条理的开展教育培训事情。如：组织公司多名中高层治理职员去市东开发区众多企业旅行学习、召开履历交流会、针对性的对大专生举行培训等。
,男学生露出 给女生吃,欧美性爱一级电影,芭乐视app下载安装旧版本ios。??12月09日,剧作家谢丽泓：越剧《钱塘里》原型故事发生在我家,
??时势4：国产欧美日韩精品视频
??12月09日,上海浦东：多项创新举措助力“非遗”美食“酒香”不再“巷子深”,
从我们现在的生长思绪来看，社会各项事业的生长都已经起源取得了一定的效果，因此我们必需继续坚持既定的生长思绪，把实验特色富民工程、生态文明工程、全民创业工程、民生包管工程、基础设施建设工程作为推动全乡经济社会周全协调可一连生长的着力点和突破口，锐意进取，协力攻坚，统筹兼顾，重点突破，起劲实现全乡经济社会又好又快生长。
,www.久久久,在线看黄片com,大肚孕妇2在线观看免费版高清。??12月09日,习近平给中国科学院院士、清华大学教授姚期智的回信,
紫金蛇与血貂配合太默契了，适才似乎经由演练一遍，这让小不点赞叹，这些生灵果真都有着极高的智慧。
,野狼视频网站,美女视频永久黄网站免费观观,国产三级片自拍视频。责编：包敏敏
审核：邓川
责编：张凌均
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
