猫眼影戏
 |
|
猫眼影戏
李大妈
手机审查
猫眼影戏记者 苏建萍 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：人人操人人骑日日爽
??12月09日,李强在世界经济论坛2024年年会开幕式上的特别致辞(全文),
(一)开展村干部培训事情，是提升干部能力的主要行动。 通过换届，各村选出了组织认可、群众公认的村干部，无论是连选连任的老同志，照旧换届后刚中选的新同志，怎样提升能力水平，认真履职尽责是最主要最迫切的使命。虽然不少同志恒久在下层事情，履历也较量富厚，可是我们要苏醒地熟悉到，目今村干部中还差别水平地保存着头脑看法境界不新、立异进取意识不强、治理效劳水平不高等问题，要从基础上解决这些问题，最要害的照旧要通过开展培训，增强学习教育。希望各人带着问题加入培训，做到勤于学习，善于思索，勇于实践，一直增强自身综合素质，起劲提升履职水平。
,欧美老妇性猛交XXXX免费看。??12月09日,安徽大别山：雨后小镇入画来,
这是直接地、迅速地、近乎暴动地从外界掠夺，增补己身所需，坚持在这一境界的最壮盛状态。
,真实国产精品vr专区,九区毛片视频,又刺激又黄色一级A毛片。??时势2：中午字幕在线观看
??12月09日,港铁本地服务总客量恢复至疫情前逾九成,
大浪滔天，一条触手拍落，能有山岳那么大，上面冷光闪闪，有许多锯齿，锋锐而炫目，击在大海中，波涛万重，海水卷上高天，云朵都被震散了。
,爱爱视频,99视频在线播放,免费精品黄片。??12月09日,红色暴雨警告生效 香港4日下午所有学校停课,
有人增补道：“谁人崽子很不简朴，给人的感受很欠好，看着他像是在面临一头成年貔貅，强盛而又凶残、冷漠。”
,日批视频在线免费观看,成人做爰黄A片免费看陈冠希,海爪光溜溜躺着图片高清。??时势3：国语黄色视频
??12月09日,吉林生物教师自费建“百草园” 引中外人士感受生态之美,
我们期待着您的下次光临!
,国产黄色精工厂,黄色工厂视频,亚洲全网黄色网站。??12月09日,6个安置点58顶救灾帐篷完成搭建 新疆阿克苏消防正开展防火巡查,
这才一个照面啊，强盛的狈村祭灵就被穿透躯体，没有一丝的对抗能力，差别之大，超乎想象。
,六花端口公益版下载安装,大黄少妇,做爱 在线免费视频。??时势4：国产乱人乱轮精品视频
??12月09日,韩政府重申不接受日方对独岛的主权主张,
“不怕，我有步伐搪塞他们。”小不点握紧了小拳头，心中推测，不知是石毅那一脉的人，照旧尚有他人，他很悲愤，决议要在此大动干戈。
,亚洲操逼网站,久久字幕,桃红视频网。??12月09日,公安部：60个城市先行试点电子行驶证 可登录交管APP直接申领,
生长是我们党执政兴国牢牢捉住的第一要务。我们在村党组织建设中始终坚持了“围绕经济抓党建，抓好党建促生长”的思绪。一方面是坚持把下层党建事情放在围绕中心、效劳阵势的首位，置于增进生长，造福人民来谋划，使下层组织建设始终在阵势、在行动、在生长中推进。牢牢围绕乡党委、政府提出的生长目的和决议安排，以周全增强支部建设、步队建设、提高党支部的执政能力和全力推进社会主义新农村建设为目的，扎扎实实抓好党建事情，使下层组织建设为跨越式生长提供了顽强组织包管。另一方面是以市场为导向，生长壮大村级整体经济，加大村农贸市场的建设与治理，年经济收入1.8万元, 脱掉了“空壳村”的帽子。现在，村“两委”有了新的功效齐全、设置规范的办公场合，村“两委”的事情经费也基本获得解决。
,www成人 色情美女流水,无码特级毛片免费网站,91在线播放免费不卡无毒。责编：翟海雷
审核：闫中斌
责编：袁堃
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
