猫眼影戏
 |
|
猫眼影戏
刘迎
手机审查
猫眼影戏记者 马科 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？榈囊览担佣诨煜婷婷魅返雀吣讯瘸【爸姓瓜殖鲈冻嗄Ｗ拥穆嘲粜杂胛裙绦。
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：AA级毛片免费全部播放
??12月04日,北京今年拟安排自动驾驶汽车、京津冀社保卡一卡通等立法修法项目,
3.坚持室内空气流通，阻止前往空气流通不畅、职员麋集的公共场合。随着天气逐渐转热，课堂一定要注重开窗透风。
,国内视频一区。??12月04日,“当命运不站在我这边时，我就不相信它”,
这种灵兽不是何等强盛，但胜在速率快，很是希罕。
,进去,品爱阁软件,91色网站。??时势2：现在观看毛片网址
??12月04日,重走中国西北角｜探访涌泉村，见证山海情,
我今天演讲的问题是：《眷注生命，共享家园》。
,鴎美性爱一级片,全国熟妇熟女最大网站,黄片伊人梦幻综合。??12月04日,财政部：持续抓好增发国债资金监管 确保将宝贵的资金用在刀刃上,
神性绚烂，犷悍地攻击而过，让其脏腑近乎裂开，可是最后又都滋养好了，有了一种晶莹的光泽。至于骨头近乎崩断，最终也都被修复，越发凝实，莹白而璀璨。且，不但肉身获得洗礼，神性的实力亦滋养了精神。
,歐美三級美女,亚洲国产欧美一区二区,guochanav。??时势3：色色一区二区日韩无码
??12月04日,关于苹果、比亚迪、房产投资……93岁巴菲特有新观点,
众人震撼，这可是堂堂的雷侯。鲇械牧礁鐾鹾盍斓刂坏闹魅耍驼獍惚坏趿似鹄矗晌桓銮敉剑岩韵胂螅
,三级黄毛电影,免费🔞美女❌❌❌涂抹软件下载,成年网站拍拍视频。??12月04日,哈尔滨国际冰雪雕比赛引各国艺术家关注 目前已有50余支队伍报名参赛,
今年上半年，我乡各项事情在原有基础上有了新的前进和提高，全乡经济快速生长、事业周全前进、社会政局稳固、人民安身立命。面临新一轮经济生长的热潮，战胜的难题比预料的多，形势逼人，不进则退;下半年，面临生长的差别和压力，要以“等不起”的紧迫感、“慢不得”的 ；校白蛔 钡脑鹑胃校颖镀鹁ⅰ⒍端又弊罚坏胍淹龋谧荼戎性鲂判摹⑻崾科⑶乙胂冉堇锉龋诤岜戎忻髌颉⒐木⑼罚畲笙薅鹊厥褂糜欣跫∽畲笃鹁⒒獾乖艘蛩兀铀偕缁嶂饕逍屡┐褰ㄏ氤绦颍銮棵裰鞣ㄖ平ㄉ韬途裎拿鹘ㄉ瑁平缇煤蜕缁嵊趾糜挚焐。针对现在钢屋架大棚进度缓慢，部分村部分重点事情障碍不前等现实问题，这些问题还需要我们接纳综合步伐，在下半年的事情中认真加以解决。下半年主要做好以下几个方面的事情：
,美女又黄a又免费视频,推荐毛片网址,玛米亚奥特曼rex海战。??时势4：污污污黄网站免费观看
??12月04日,2024慈溪半程马拉松鸣枪开跑 展现唐涂宋地魅力,
二是国有林区林场刷新取得重大突破。20xx年2月，内蒙古大兴安岭重点国有林治理局正式挂牌建设，标记着内蒙古国有林区刷新取得重大阶段性效果，走在了天下的前线。实现了汪洋副总理提出的“先行一步，作出楷模，成为天下林区刷新树模”的要求。自治区党委、政府对大兴安岭林区经济社会生长高度重视，从20xx年起，出台《内蒙古森工集团有限责任公司剥离办社会职能刷新总体》，周全启动了内蒙古森工集团剥离教育、广电、卫生、森林等社会职能，共计约3万名林业职工交由呼伦贝尔市、兴安盟属地治理。自治区财务千方百计筹集资金，支持森工集团剥离办社会职能刷新，每年投入在10亿元以上。森工集团肩负的社会治理和公共效劳职能剥离移交属地政府，所属78户谋划性企业所有举行了分类划转，基础设施建设逐步纳入属地妄想。从20xx年4月1日最先，周全阻止自然林商业性采伐，同时将与木料生产相关的1.3万名职工转岗安顿到森林管护、抚育、防火等岗位。现在，林区剥离办社会职能已所有完成，企业划转事情有序推进，“三供一业”(供电、供水、供温暖物业以及市政环卫)所有移交属地政府，林区社会坚持基本协调稳固。20xx年头，汪洋副总理在视察大兴安岭林区时，对我区解决森工企业剥离办社会刷新给予了充分肯定和赞扬。20xx年12月，内蒙古自治区党委、政府印发了《内蒙古自治区国有林场刷新》，将全区国有林场主要功效定位于 ；づ嘤肿试础⑽ど寰。凭证国家和自治区安排，我区国有林场刷新稳步推进。
,黄页网站大全免费,αv欧洲无码在线观看,xatr唯美。??12月04日,（乡村行·看振兴）着力挖掘“美”与“甜” 福建古田推动文旅产业阔步发展,
让人难以置信的是，它只有三寸多高，可是跑到村头时，那一百多斤的熏肉都进入了它的腹中，空留一根大骨头。
,国产无码免费视频在线观看,人人在线视频黄色观看,!脱 让学生摸 网站。责编：丁怡心
审核：邱琳娜
责编：埃里克·霍尔德
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
