北京
騰訊混元最新開源了HyOCR-1.5，一個1B參數的端到端OCR大模型。這款模型身板雖小，卻通過兩項技術創新，實現了文檔理解的“更快、更準、更全面”。
第一項是DFlash推測解碼。它的思路很簡單：讓一個小模型先快速“猜”出幾種可能的文字識別結果，大模型再從中挑選最準的那個。這種“預判+驗證”的方式，避開了逐字逐句的沉重計算，讓推理速度大幅提升，特別適合需要實時響應的文檔處理場景。
第二項是Agentic Data Flow，它像一個后臺數據管家，自動規劃并調度訓練和推理過程中的多模態數據流。得益于此，HyOCR-1.5不僅提高了識別準確率，還能應對更多種類的文檔版式和元素，真正做到把文檔“看全看懂”。整套訓練和推理代碼都已開源，開發者可立即上手微調或部署。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
