猫眼影戏
 |
|
猫眼影戏
李启诚
手机审查
猫眼影戏记者 许聪 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：成人18网站
??12月03日,来穗“小候鸟”走进广州实验室感受科技魅力,
三年的初中生涯在今天即将竣事。三年的步履塌实而又慌忙；三年的蹊径崎岖而又艰辛；三年的汗水辛勤而又快乐。三年我们从懵懂走向成熟，从无知走向理智，从浅陋走向充分。三年的路，我们走的辛勤而快乐，三年的生涯，我们过的充分而漂亮。谢谢母校，是您容纳了我们的懵懂无知，是您孕育了我们的睿智坚决，是您给予了我们优越的学习情形和展示自我的舞台。在您的怀抱中，我们心怀梦想，放飞梦想。我们越发难忘先生您的作育：一节节悉心教授，一声声谆谆教育，一次次潜移默化。让我们明确了拼搏进取，高昂向上。亲爱的先生，是您的辛勤支付，是您的无私贡献换来了我们的收获与生长。您体贴入微，眷注备至，用详尽无私的爱，给了我们温暖的港湾和一直前行的实力。三年的征途，是庆幸的荆棘路，带着梦想与期待，是先生同我们一起走来。
,久久基热视频精品酒店。??12月03日,（新春走基层）直击春运里的“京沪神车”,
上午好!
,美绝警母全文阅读免费,少妇被弄到喷水在线观看黄,黄色精品视频在线播放免费。??时势2：,一级不卡黄色视频免费观看
??12月03日,“尔滨热”能持续到夏天吗？,
去年以来，全县以致全市上下都正在开展建设生长型党组织活动，并且市委提出的建设生长型党组织已被提升到省委的层面去了。这个活动的开展缘于去年5月份省委、省政府召开了毕节试验区新一轮刷新生长推动大会后，其时的毕节地委围绕“七一”讲话精神和省委“两加一推”主基调，唱响“推进刷新生长双领先，实现毕节试验区新跨越”的主旋律这样的大配景下催生的，活动中，市委提出了“一轴四轮一基石”的总框架，其中，增强干部教育培训就是总框架中的“基石”部分。
,无码aV一级黄片免费播放器,草久久久,精品黄色网站。??12月03日,亿缕阳光丨置顶你的自信,
“找到了一个活口，但只活了半个时间，最终照旧死了。”
,岛国黄色在线观看视频用手扣下面,在线精品无码字幕无码AV,灰原衰被❌c🐻扒衣。??时势3：美女裸色乳液cos自慰白虎
??12月03日,多国重申坚定支持一个中国原则,
2.作育团队意识,学会做事与做人。俗话说”众人拾柴火焰高”,“团结出凝聚力，团结出战斗力，团结出佳绩”，“增强团队意识，学会相助，学会共处”是新世纪种种人才必备的素质。我们处在竞争与相助共生共存的时代，在强烈的竞争中，单枪匹马、孤军奋战很难有大的作为，学会相助，善于相助的人乐成的时机缘更大。近几年来我校素质教育屡或创佳绩，不是由于我们情形与装备等硬件上有优势，也不是由于我们单兵作战能力特殊强，而在于整个团队的受苦耐劳和团结协作精神。团队协作是我们在名校竞争中立于不败之地的法宝，我们应该鼎力大举弘扬!
,高清无码安装包下载,女性向 片在线观看OH,亚洲欧美一区二区在线啊。??12月03日,快餐车“开”进北京地铁站，通勤路上也有烟火气,
一群人坐等看笑话，以为这个孩子着实意思，这也太贪心了吧？若是他是一个大人，早就被藐视一百遍了，现在则让人忍不住想笑，以为他太憨了。
,A∨片网址,日韩一级操逼片免费看,www欧美A片。??时势4：明星宋轶乱婬(高H)
??12月03日,（乡村行·看振兴）“小红薯”托起“大产业” 江西安远“晒出”乡村振兴致富路,
随着信用卡的普及和使用，信用卡逾期成为了一个普遍保存的问题。关于招商银行信用卡持卡人来说，逾期还款是否会导致起诉成为了一个关注的焦点。本文将围绕这一问题睁开讨论，探讨招商银行信用卡逾期是否会引发执法纠纷。 一、招商银行信用卡逾期会起诉吗 可能会。 若是招商银行信用卡持卡人逾期还款严重且长期未能...
??12月03日,冒名顶替上学？陕西子洲成立联合调查组,
责编：布拉德-皮特
审核：虞宗庆
责编：帕萨特
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
