猫眼影戏
 |
|
猫眼影戏
王作楫
手机审查
猫眼影戏记者 冯志强 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：亚州毛片
??12月04日,美佛州州长德桑蒂斯退出2024年总统竞选,
二猛哇哇大叫 ，惹得族人侧目 ，向湖边望去。只见他骑坐在一头独角兽上 ，正在疯跑 ，速率太快了 ，他神色有点发白 ，不敢下来。
,九九99香蕉在线视频美国毛片。??12月04日,福建三明迎来2024年首场降雪 当地高速部门保通保畅,
一个老人嘿嘿笑道：“这些符骨极其稀罕与珍贵 ，若是你能挖下来 ，我愿意出大宗的精璧来换。
?第八十三章 生死战,欧美欲妇XXXXX视频,91大视频,草久久性爱视频。??时势2：又爽又黄一级毛片
??12月04日,中国科大首次实现光子的分数量子反常霍尔态,
第四、提高效劳群众、为民办实事的能力。 农村下层干部直接和农民群众打交道 ，官虽然不大 ，但其作用和能量却不可低估。群众始终把我们当成党和政府形象的化身。农村下层干部认真为群众办实事 ，遇事同群众探讨 ，干部的形象就好 ，党在农民群众中的威望就高。反之 ，就会直接影响党和政府的形象。我们要切实解放头脑 ，转变看法 ，自觉地从那些不适时宜的看法、做法和体制的约束中解放出来 ，破除不思进取、小富即安的头脑 ，树立强烈的生长意识;破除墨守陋习、因循守旧的头脑 ，树立强烈的立异意识;破除关闭守旧、固步自封的头脑 ，树立强烈的开放意识。凭证县委总体生长目的和生长思绪 ，把主要精神放在实验 “ 六大工程 ” 、 “ 三大战争 ” ，搞活商贸流通 ，培育新的经济增添点 ，增添农民的收入上来。要通过提高效劳水平 ，资助群众解决好制约生长的种种问题 ，为群众提供优异的产前、产中、产后效劳。特殊要连系落实中央四个长效机制文件 ，牢靠先进性教育效果 ，落实效劳允许制 ，开展种种便民利民活动 ，切实为群众办实事 ，做好事 ，解决好群众最直接、反应最强烈的热门难点问题 ，资助解决一家一户难以解决的问题 ，起劲为群众生长经济排忧解难 ，推动农村经济生长 ，实现配合富足。
,操逼操亚洲色图,深夜福利精品视频美女露乳房,欧美性 XX XX XXX。??12月04日,拂影·2024第十一季SIUF国际超模大赛总决赛在深圳举办,
这个天下 ，领土无垠 ，森林广袤无尽 ，多洪荒猛兽与毒虫 ，人族寓所散落在原始山脉间 ，一个个都被阻遏 ，很难与外界相通。
,超国产孕妇高潮A片免费视频,动漫美女足交,91米塔。??时势3：农村乡下妇女三级播放
??12月04日,藏族患者在北京顺利完成手术 开启人生新篇章,
“肢解开远古遗种宝体时 ，就已经给它送已往了不少狻猊血肉 ，现在应该是在起劲炼化精血呢。”族长说道。
,大众春色胴体澡堂大胆视频,美女把🐻让男生玩,www..com馃崋馃崙。??12月04日,（乡村行·看振兴）从“老黄牛”村书记24年任职路看浙派乡村蝶变,
银色宝殿中 ，尚有一些人 ，列有座位 ，其中一个年轻人站起身来 ，道：“想不到啊 ，那片蛮荒原地 ，竟孕育出了让至强的远古遗种都舍命争取的山宝 ，有意思。父王 ，我建议 ，连忙派人前往 ，静待时机 ，也许能有所获。”
,欧美性色黄大片四虎影视,免费又色又爽又黄的游戏手游下载,在线观看美女做www。??时势4：欧美黄色淫荡人妻
??12月04日,来西安过年，这篇攻略就够了！,
雨族众人此时的心情与这沙漠般一样火热 ，充满了喜悦 ，由于他们靠近了目的地 ，看到了那传说中的太一真水。
?第一百三十四章 吃掉,欧美性爱视频手机在线播放,国产精品lululu在线观看,国产第一页伊人。??12月04日,韩媒：尹锡悦任命新任幕僚长和总统室政务首秘,
村人马上炸窝了 ，一再被欺辱 ，就是泥人也有三分火气。
,馃敒鉂屸潓馃悢,大一本大道香蕉久在线播放29,www.理论片免费. com。责编：徐静平
审核：王晓鸥
责编：麦克切斯尼
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
