猫眼影戏
 |
|
猫眼影戏
沈湘
手机审查
猫眼影戏记者 金花银 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：操死妹妹那里
??12月03日,（乡村行·看振兴）江西景德镇：用心用情做好服务 有力有效助农增收,
在社会层面上，一律，是对每小我私家生涯的权力与状态的包管，是一种制度上的一律。好比九年义务教育，他让所有孩子都能够一律的享受受教育的权力。若没有他，也许在偏远贫穷的地方，教育仍将是贵族的特权，贫者永世贫穷。而我们的父辈，又有几多不是从外地，从一个村镇里通过凡人缺乏的起劲通过高考而来北京的呢?这也充分证实晰，优异的制度是包管一律的客观要素？凸鄣牟畋鹗峭耆梢晕陨淼钠鹁⑺畈沟。
,在线视频观看中文字幕。??12月03日,国家统计局：2023年中国GDP超126万亿元 同比增长5.2%,
同时，为；で嗌倌甑恼比ㄒ婧蜕寰玻颐髁钫ト⊙！⒒睾推渌缁嵴遄橹行⊙Ъ尤朊鸹。由于，同砚们正处于生长发育期，还不具备成年人的头脑和体力，普遍缺乏自我；さ哪芰吐睦龅浇羝惹樾危χ贸头２坏保⑸送鍪鹿。如发明火灾，最主要的是尽快脱离危险，撤离火场。这样做既可以包管自身清静，也为大人们灭火提供了利便，使他们可以集中精神灭火。从这一意义上来看，；ぷ陨砬寰惨彩嵌悦鸹鹗虑樽龀隽诵⑺。
,天天干天天天天,国产A片免费视频,强奸乱伦免费视屏。??时势2：91禁区
??12月03日,青海西宁：文旅深度融合 增强城市“芯”动力,
“他们是什么人，为什么要这样做？”虎子问道。
,久久毛片录像,初撮り 完全顔出20歲,乱伦欧美国产。??12月03日,国家发改委完善成品油管道运输价格形成机制,
一声长鸣，一头重大的凶禽展翅，拍散了云朵，向导密密麻麻的凶禽冲向一个生齿数十万的大部落。
,男人我女人黄色视频,gogo大胆无码无码免费视频,久久黄片免费看。??时势3：AV无码AV在线A∨天堂毛片
??12月03日,中国单体转体最大吨位双索面预应力混凝土斜拉桥完成“塔梁共转”,
小不点发傻，一张小脸更黑了。
,大乔裸乳被爆白浆的动漫,www777miqi,杨幂张开双腿实干13分钟。??12月03日,广东省自然资源厅：开展地质灾害风险隐患大排查,
那只重大的凶禽太过无边无涯了，双翅一展，青云直上，苍莽山脉的天空都似乎快容不下了它了，攻击力绝世无匹，每一次拍翅都震的天地轰鸣。
,亚洲欧美不卡视频,日韩人妻一级A片视频,人人操,人人舔人人干。??时势4：亚洲性欧美
??12月03日,全红婵：喜欢比较嗨的音乐，希望做自己,
女子抱过婴儿，温柔的亲了亲他红扑扑的小脸，眼中闪灼着绚烂的色泽，道：“无论他是否有至尊骨，都是我们的孩子，要让他快乐的长大。”
,2021国产精品久久久久精品,欧美性交免费资原站,av黄片com。??12月03日,（新春见闻）传统民俗迎新春 北京小年庙会年味儿浓,
这一刻，无论男女老小，所有人都跑了过来，举行祭祀，朝拜柳树。
,曰本强伦无码字幕在线视频,永久性国产盗摄在线观看,红桃视频18。责编：查嘎
审核：许鑫
责编：约翰斯顿
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
