猫眼影戏
 |
|
猫眼影戏
黄毓玲
手机审查
猫眼影戏记者 韩子荣 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：火影小南被爆 羞羞了视屏在线看
??12月09日,新疆吐鲁番市高昌区亚尔镇新城西门村：饱满的葡萄 串起充实的生活,
“孩子不怕！”
,阿拉拍av性别管。??12月09日,四川都江堰部分老师微信群发表不当言论？当地教育局通报,
??时势2：色色色视频无码播放
??12月09日,港澳青年逐梦大湾区,
首先 ，我向为公司辛勤事情、顽强拼搏的全体员工致以衷心的谢谢 ，各人辛勤了!春回大地 ，万象更新!在这新春佳节即将到来之际 ，我再次向列位同仁致以新年最真挚的的祝福!
,男女脱裤子网站,日本三级黄色,日韩精品女同一区二区在线观看。??12月09日,“五一”假期辽宁文博游热度攀升,
现在 ，在中国 ，创业者通常要面临许多挑战 ，好比 ，缺少创业和治理履历、欠缺初期启动资金、难以吸引卓越手艺人才等 ，诸多因素使得创业现实乐成率并不高。而美国硅谷这个创业者的摇篮 ，已经形成了从天使投资到中、后期危害投资的完整的、流水线式的系统。一个好的想法哪怕是在看法验证期都可以获得10～50万美元天使资金的支持。而天使投资人又往往是前乐成创业者或公司高管 ，有着深挚的业界履历和配景 ，除了资金之外能够给立异公司带来他们的视野和业界关系 ，导入专业职员和治理履历 ，之后危害投资会对天使项目后期跟进。20xx年 ，美国的天使投资占危害投资总体盘子的40%至50% ，共有26万多个活跃的天使投资人和组织。然而在中国 ，虽然20xxx年以来危害投资快速生长 ，可是天使投资群体还未成熟 ，天使投资领域仍是一大块空缺。危害投资苦于找不到足够多的、后期的好项目 ，创业者苦于找不到足够的早期支持。
,泰国一级婬片A片AAA毛片人妖,中文字幕资源在线,中文字幕亚洲视频乱伦。??时势3：欧洲一级精品免费视频
??12月09日,中国戏剧梅花奖获得者张佳春：京剧是我的生命,
年头 ，我们下发了《20xx年省委政研室事情要点》 ，安排了今年的事情使命。最近 ，我们召开了全省政研事情聚会 ，对打造党委焦点智库提出了一系列新的要求、使命和行动。今天 ，我们又召开机关党委换届选举大会 ，重点研究安排以后五年机关党建事情？杉 ，我们的政研事情、党建事情使命都已经明确。现在的要害是抓好落实 ，把这些事情使命真正落到实处、抓出效果。要深刻熟悉到 ，不抓好落实 ，再优美的蓝图也不过是蓬莱仙阁、蜃楼海市 ，必需切实把抓落实的历程贯串于我们履职的始终。这里 ，我就增强和刷新机关党建事情 ，特殊再强调一下。总的来说 ，今年及以后一个时期 ，我们政研室机关党的建设一定要掌握这样一个总体要求：深入贯彻落实科学生长观 ，周全实验“八八战略”和“两创”总战略 ，着眼于增强党的执政能力 ，坚持生长党的先进性 ，以建设学习型党组织为抓手 ，以开展立异争优活动为载体 ，以刷新立异为动力 ，周全增强和刷新机关党的建设 ，提高机关党建事情的科学化水平 ，为打造省委焦点智库提供顽强的政治、头脑和组织包管。详细要围绕以下四个方面重点抓好落实：一是坚持把建设学习型党组织作为主要使命 ，起劲提高理论武装水平;二是坚持以提高素质、增强能力为目的 ，起劲增强步队建设;三是坚持以增强党支部活力为重心 ，起劲做好抓下层打基础事情;四是坚持党要管党、从严治党原则 ，起劲增强党风廉政建设。
,黄色仓库,免费 成人 深夜夜下载,免费看操女人视频。??12月09日,数说山西政协“成绩单”：聚焦“国之大者”和“民之关切”, 路透社13日称 ，新制裁包括衡水元展商业有限公司和总部位于香港的恒邦微电子有限公司 ，理由是它们涉嫌或一经加入“破损乌克兰稳固”或“破损或威胁乌克兰领土”。“美国之音”称 ，衡水元展商业有限公司和香港恒邦微电子有限公司此前已被美国财务部制裁过。,日本在线免费不卡视频,贝蕾亚裸体,打屁股女网站。
??时势4：国产一国产一毛片里频
??12月09日,镜观·足迹｜携手同行，构建中拉命运共同体,
3.家里电器着火要先切断电源 ，再用干粉或气体灭火器灭火 ，不可直接泼水灭火 ，以防触电或电器爆炸伤人。
,丝袜搞黄色网站,www乱轮,PinkLoving免费观看全集。??12月09日,雪景+云海＋过山云！泰山迎来2024第一场雪,
尊重的列位先生 ，列位同砚:各人早上好!
,九色丨POPNY丨老熟女国产,午夜羞羞视频国产17c,午夜福利网在线。责编：黄静芬
审核：臧熹
责编：吴长鹰
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
