LightOnOCR3图表转数据：提取chart表格并核对轴单位，别把百分比当人数

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
LightOnOCR-3采用本地或自有授权服务；4B/0.8B为Qwen3.5架构，1B架构不同，显存还受图片与上下文影响，不承诺某张卡必定够用。
使用官方仓库锁定的兼容依赖；当前仓库说明vLLM0.30.0与Transformers5.16.1，模型卡的旧最低版本不能替代锁文件。
模型Apache2.0；仅空prompt或grounding是文档支持输入，原生PDF与检查无需付费，模型识别未执行。

操作步骤：
1. 制作双图表原稿
画人数12、18、9的柱图及满意度80%、90%、85%的折线。
两图用相同类别，但各自标题与单位清楚分开。

2. 执行grounding
用标准grounding请求保留整页图像。
不要要求模型计算同比，本课只提取可见数据。

3. 定位chart块
按label和bbox把每个chart块连回图1或图2。
无来源的HTML表格不能直接写进统计结果。

4. 解析HTML表格
读取thead/th/td，保留原始字符串和单位。
先不要把80%简单去符号变成80人。

5. 逐点对照轴标签
把类别、数值和单位与原图对应，检查零点、百分号及图例。
看不清的小字记为待确认，不凭趋势补值。

6. 输出两张独立数据表
人数与百分比单独导出，并给每行sourceChartId。
不能因类别相同就合并成同一列数值。

7. 交付数据证据
保存原图、chart块、原HTML与校对CSV。
校对后的作者表和原始模型表分别保留，不覆盖错误痕迹。

验收：
每行数据都有sourceChartId。
人数和百分比单位不混合。
三类别与两组三点逐项回图核对。

官方资料：
https://huggingface.co/lightonai/LightOnOCR-3-4B

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。