猫眼影戏
 |
|
猫眼影戏
丹忱
手机审查
猫眼影戏记者 强卫东 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：色优优
??12月04日,一部家训，留下绵长回响,
招商银行信用卡逾期催缴 开头： 招商银行信用卡是宽大消耗者常用的一种支付工具，可是若是不准时还款，就会爆发逾期问题。招商银行信用卡逾期催缴是银行为了；ぷ陨砣ㄒ婧臀信用系统的一种步伐。本文将围绕招商银行信用卡逾期催缴睁开讨论，探讨其手段、被起诉后的应对方法以及逾期起诉的效果。 一、招商银行信...
??12月04日,冰岛一火山喷发 中国驻冰岛大使馆提醒在冰中国公民注意防范,
(三)做好农村低保事情是我县周全建设小康社会的客观要求。我县自然条件差，历史欠账大，贫困面还较量宽。现在，全县未脱贫生齿尚有5万人，五保工具3500人，年人均纯收入在693元以下的尚有2.7万人，他们的生涯还相当难题，加之我县自然灾难频发，每年因种种灾难需要救助的人许多，救助工具多，且栖身疏散，包管资金发放难度大。要周全建设小康社会，就必需率先解决贫困群众的基本生涯问题。实验农村低保制度，对因病、残疾、年迈体弱等缘故原由损失或部分损失劳动能力的贫困生齿，给予稳固的生涯救援，包管农民群众逐步过上宽裕的生涯，既有利于增进农村经济生长，又有利于农村社会稳固。因此，各州里各有关部分一定要充分熟悉实验农村低保的主要意义，将其作为目今农村事情中的一项主要使命，下定刻意，加大投入，扎实推进。要通过深入详尽的事情，规范程序，公正效劳，起劲让最需要包管的人都能享受到低保政策的阳光。
,283224去看吧孩子们,aiai在线播放,12岁初中生打扑克。??时势2：欧美操逼精品
??12月04日,五部门：开展智能网联汽车“车路云一体化”应用试点工作,
这种鱼很有数，富含灵精，在外界价钱很腾贵，而在这个湖泊中却有许多，足够一个村子恒久捕食。
,小骚0爽尿了gay同志视频,免费色视频在线,欧美性爱AAAA。??12月04日,2023年8月以来全国电诈案件同比下降28.6%,
能进入虚神界，就是自上古神明那里继续下的“宝藏”之一。只要信仰稳固，在这片古国境内，每年举行祭祀，强者就可感知到虚神界。
,激情视频激情自拍激情小说,亚洲国产TS丝袜在线观看,人妻apanHDXXXX69。??时势3：播放一部黄色一级片久久精品
??12月04日,中国最高检对江苏省政协原副主席王昊决定逮捕中国向联合国交存黄岩岛领海基线声明和海图,
2、产品订货业绩突出。20年，公司凭证市场行情的转变，实时调解了主攻偏向和营销战略，将新能源市场做为主攻偏向，完善了经销信息网络系统。整年完成产品订货3.5亿元，在目今强烈的竞争情形下，能有这样的效果，确是与各人的配合起劲分不开的。
,火影之纲手性监狱acg,刘若琳穿比基尼,黄网站免费无码大全。??12月04日,这个五一假期，游客“爆单”的天安门广场地区是怎么做到井然有序的？,
许多人都忌惮了，若是是真的，那可就非？植懒，隐世家族单独隐居深山大荒中，生齿虽然未几，但个个都是恐怖的强者。
,亚洲一区性爱,狠狠久久久久久精品免费不卡,全球持级黄毛片免费视频播放。??时势4：91看片插插插
??12月04日,（身边的变化）云南临沧：特色农业染上“科技色”,
近年来，随着移动互联网的快速生长，短视频平台抖音成为了年轻人最喜欢的社交娱乐平台之一。而在抖音中，除了寓目和制作短视频外，尚有一个备受关注的功效——抖音定心借。这个功效为用户提供了一种便捷的借贷效劳，可是若是逾期还款，会有什么效果呢？本文将围绕这个问题睁开讨论。
1.罚息：逾期还款会导致罚息的爆发。详细来说，抖音定心借逾期10天后，将会凭证一定的利率盘算罚息。罚息的盘算方法是凭证逾期天数和乞贷金额来确定的，一样平常来说，逾期天数越长，罚息越高。
2.信用纪录受损：逾期还款会对小我私家信用纪录造成不良影响。抖音定心借作为一种借贷效劳，逾期还款会被纪录在小我私家信用报告中，这将对小我私家的信用评级爆发负面影响。信用评级的下降可能会影响到小我私家的其他借贷需求，甚至会影响到小我私家的就业和生涯。
3.催收行动：逾期还款后，抖音定心借将接纳一系列催收行动来追讨欠款。这包括但不限于电话催收、短信催收、上门催收等。催收行动可能会给小我私家带来一定的骚扰和压力，甚至会对小我私家的社交关系爆发一定的影响。
1.日利率：抖音定心借的日利率是凭证乞贷金额和乞贷限期来确定的。一样平常来说，乞贷金额越大，乞贷限期越长，日利率越低。日利率的盘算方法是将乞贷金额除以乞贷限期，然后乘以一定的利率。
2.逾期利息：逾期利息是凭证逾期天数和乞贷金额来确定的。一样平常来说，逾期天数越长，逾期利息越高。逾期利息的盘算方法是将逾期天数乘以日利率，然后乘以乞贷金额。
3.罚息：逾期还款后，抖音定心借将会凭证一定的利率盘算罚息。罚息的盘算方法是将逾期利息乘以一定的比例。
1.实时还款：只管在逾期后的第一时间还清欠款，以阻止罚息的爆发。若是无法一次性还清，可以与抖音定心借举行相同，实验协商分期还款的方法。
2.与债权人相同：若是无法准时还款，应实时与抖音定心借举行相同，说明自己的情形，并提出合理的还款妄想。债权人可能会思量调解利率或延伸还款限期，以减轻乞贷人的肩负。
3.追求资助：若是自己无法解决逾期还款问题，可以追求专业的债务咨询机构或状师的资助。他们可以资助乞贷人制订合理的还款妄想，并协助处置惩罚与债权人的纠纷。
?法院对商品房预售款能否冻结和强制执行？,亚洲日本午夜一区国产区影视网,99超碰人人模人人爽人人减,欧美牲交A欧美在线操屁眼。??12月04日,外交部：中国终将实现完全统一，台湾必将回归祖国怀抱,
“小红的故事。”
,18禁黄网站禁片无遮挡,午夜精品成人毛片非洲,一级片一级片一级片网站。责编：夏慧琴
审核：颜雯
责编：刘文书
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
