猫眼影戏
 |
|
猫眼影戏
刘正军
手机审查
猫眼影戏记者 普捷 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：永久影视
??12月09日,我国国家公园建设取得积极成效 生物多样性稳定增加,
金条作为一种有价值的贵金属，被普遍用于投资和储备。然而，有时间人们可能会遇到金条逾期还款的情形，这就引发了一个问题：金条逾期五天会被起诉吗 ？本文将围绕这个问题睁开讨论，并探讨金条逾期被起诉后应该怎样应对。 一、金条逾期五天会被起诉吗 金条逾期五天纷歧定会导致连忙的起诉，但这取决于购置条约的详细条...
??12月09日,交通运输部：今年春运中国全社会跨区域人员流动量或创历史新高,
少妇仰面，神色酷寒，什么也没有说，但心中却很恐惧与遗憾，她的外家人显着已经出动至强者去截杀这对匹俦了，怎么照旧让他们在世回来了 ？
,亚洲A网站,欧美精彩在线,免费 成人 调教师app。??时势2：国产精品福利91
??12月09日,国家统计局：2023年农民工月均收入水平4780元,
“精璧是什么 ？”小不点好奇的问道。
,国产区域免费乱了,囯产精品久久久久久免费,日韩AV免费下载。??12月09日,海南省气象台发布高温蓝色预警,
建设一支高素质的村干步队伍，是增强农村下层组织建设的主要条件，周全提高村干部的综合素质和事情能力，是做好下层组织 治理事情的基础。从我区的现况看，由于宽大村干部的辛勤事情，我区农村爆发了深刻的转变，村干部在事情中施展了 联系党、政府与农民的“纽带”作用。但目今村干步队伍中也保存一些禁止忽视的问题，需要我们接纳有力步伐加以解决，好比有的村干部 政治素质不高，对党在农村的目的政策缺乏相识;有的头脑不敷解放，事情思绪不清，知足现状，缺乏进取立异意识;有的村干部整天东跑西钻，吃吃喝喝，没有真正把老黎民的事放在心上;一些村干部闹不团结，班子不协调，事情上协力不敷;尚有些村干部事情要领陈腐落伍，处置惩罚问题手段简单。泛起这些问题的基础缘故原由在于部分农村干部 文化基础薄，头脑浅薄，能力有限，事情不深入。区委组织这次培训的目的，就是想通过培训提高宽大农村下层干部的头脑觉悟、政策水平和向导群众生长经济、脱贫致富的能力，解决农村干部在事情中的随意性和“两委班子”不协调等问题，作育出一批能够顺应 农业、农村现代化建设和市场经济生长需要，熟悉下层组织建设的基础知识，相识市场，直接效劳于农村生长，来自农村，定位农村，向导群众致富，具有立异精神的农村下层干部。
,8x8xapp在线观看,18禁污网站,激情小说图片电影。??时势3：欧美一级性交aaaaa片
??12月09日,电影“火锅”突然撤档冲上热搜,
族人闻言都担心，小不点虽然很强，但事实是一个孩子，而对方那里能手众多，更是有一头祭灵，让人生畏。
,BBIXX国产在线观看,亚洲免费发布白白视频,欧美多人疯狂做人爱视频免费。??12月09日,比往年同期低5℃ 英国气温降至零下,
做好小我，方能玉成大我。我们在这次疫情中，也学到了许多，在院士的授课中也给我们提了建议。首先，使用假期富厚自我，做盛意理调控。自疫情起，我们大学生也最先上网课，云课堂学习，宅在家的日子也不忘充分自我Ｉ杏刑嵘中畔⒌哪芰峋霾辉煲ァ⒉恍乓，听中央指挥，科学防控，并宽慰身边的人。作为大学生更应该体贴国家大事，增强自身本事，起劲对社会做孝顺。
,光屁股的女子大便排出不拉屎视频,唐舞桐裸体被 羞羞网站3D,3D男♂男被 吸乳羞羞漫画。??时势4：BARAZZA成人片
??12月09日,中国国产支线客机ARJ21飞抵世界海拔最高民用机场稻城亚丁机场,
虽然遭受着结业年级的重大压力，可是班主任协调任课西席、统筹班级事情强烈的责任心和爱心，忙碌的身影永远烙印在今年这个特殊的时期。
,女学生喷浆 老王666,被男人插的动态图片,美女的隐私秘 视频无遮挡。??12月09日,打击网络谣言 共建清朗家园 中国互联网联合辟谣平台2024年7月辟谣榜（巴黎奥运）体操男子单杠决赛：张博恒获得铜牌,
作为结业年级的班主任，是辛勤而又庆幸的。班主任事情很主要。班主任事情职责为：确定班级目的，协调任课西席，联系学生家长，增强学生治理，提高学生效果。
,艾玛沃特森被c到高潮的网站,青草 视频 在线 观看,小俊┅┅快┅┅用力啊福林视频。责编：赵琬微
审核：穆越
责编：柯林
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
