猫眼影戏
 |
|
猫眼影戏
雷博文
手机审查
猫眼影戏记者 黄德安 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：狠狠搞综合网
??12月04日,年中观察：“两项增长”看浙江国资国企发展新动能,
教育生长是权衡一个国家生长水平和生长潜力的主要指标，刷新开放了三十年，中国教育生长取得了重大的前进。三十年前的老一辈们，他们坐在低矮的课堂里学习，炎天没有电扇，冬天没有暖气，一支粉笔，一块黑板，一本课本是三十年前先生的三大教具。那时的课堂教育就是听先生一人在讲，课上的死板乏味，课后先生还会安排一大堆作业，让学生自己去消化。十一届三中全会的召开让一种全新的教育手段和教育理念取代了已往的一言堂式教育，教育焕发出勃勃生气。
,一級毛片黃久久久免費看。??12月04日,天津茱莉亚学院2023-24乐季收官 218场音乐会上演,
“不错，我等也要去！”
?第九十九章 做了一件大事,欧美老妇人v片,三级特级婬国产高清,真人性恔20分钟。??时势2：免费观看黄色视频和网站
??12月04日,报告：2023年中国资产管理行业稳健发展，呈现三大特点,
“欠好，有凶兽出没，快举行防御！”
,色呦呦top二区,又粗又大又爽,啊 学长 好硬～出水了。??12月04日,吉林推出旅游口袋书《北有长白》《一江松水》,
两千年前的荀子说：“一曰防，二曰救，三曰戒，防为上，救次之，戒为下”。原来读这段话并没有多想，现在我明确了，搪塞事故包管清静，可以借助古老的中国智慧，由于，荀子说了三种步伐，第一种步伐是在事情没有爆发之前就预设警戒，防患于未然，这叫预防;第二种步伐是在事情或者征兆刚泛起就实时接纳步伐加以阻止，防微杜渐，避免事态扩大，这叫调解;第三种步伐是在事情爆发后再行责罚教育，这叫惩戒。荀子列出了三种要领后以为，预防为上策，调解属中策，惩戒是下策。
,人与鲁 毛免费,昆延夫夫钙网站,日韩一级黄色操必录象。??时势3：久久网特黄视频
??12月04日,湖北武汉：芦狄花开引人入胜,
3、教育教学是学校的中心事情，是实验素质教育的主要阵地，要提高教育教学质量，务必扎实有用地抓紧抓实教学通例治理(即：备课、上课、修正作业，检测、课外向导和课外活动)。六个环节一个也不可少，一个也不可缺，缺少一个环节，就好比缺少人的一个器官，就会影响人的生运气动。因此会直接影响教育教学质量的提升。抓教学通例治理是提升教育教学质量的基础包管，不抓或不注重教学通例治理的西席是不可能有实绩的。近几年抓教育教学事情中可以得出一个基本结论：教学质量的优劣，要害能否扎实抓好教学通例治理。连系永兴小学教育现实，我们要注重学前教育和起始年级的西席选备、教学事情，还要注重结业班教育教学质量的提升与审核，各村完小的结业班就是三年级，以后仍至恒久一段时间，我们对校长的审核重点就是结业班质量的审核。质量是教育的生命线，是一个鲜活而永恒的话题，我们要千方百计翻开儿童的天窗，放进灼烁，用起劲、阳光的心态影响儿童。在抓勤工俭学﹑养成教育中贯彻落实“三生教育”，起劲推进素质教育。家长送给我们一个一样平常儿童，我们要还给社会一个优异少年。
,一级性爱视频无码,美女100%全身裸体无遮掩,国产粗又粗爽粗又粗爽动态图。??12月04日,国际深一度｜“国家或陷入泥潭”：韩国惊险一夜，究竟发生了什么？,
这样一串骨珠乃是有数的强盛宝具，就这样被战矛击碎，化成神精，消逝于天地间，让诸多族老都心疼。
,x站安装包中文版,91蜜桃臀后射白浆流出视频,堕落芙莉莲3.0汉化版最新内容。??时势4：又粗又大又硬的黄片
??12月04日,“你们这个实验室设在什么地方？”｜两会问答·总书记的牵挂⑥ ,
铁箭又一次碰撞在一起，震的山林都有嗡嗡颤音。
,老师让我吃她胸 摸她奶电影,韩国精品一区二区黄色,无码视屏在线。??12月04日,【图解】超2万亿元税费“红利”！支持科创和制造业持续向好,
他有足够的底气，由于族中那头金色的神狼来了，这是五万里内最强盛的一头祭灵，活了很漫长的岁月。族主也许不是这片土地上的第一能手，可是这头金色的神狼却可以在各富家的祭灵中称尊！
,国产一级a爱做片在线观看,亚洲欧美草草影院,亚洲国产二级黄色视频。责编：康查科斯塔
审核：戴维·卡梅伦
责编：郑亿
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
