LightOnOCR3公式美元符：比较默认数学修复与原样输出，保住价格和代码

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. 准备三种美元符用途
原稿包含价格$12、公式$x_i≤1$及代码price="$12"。
三类内容用明确标签分开，不让代码排版像普通公式。

2. 保存未经修复输出
按官方接口用ocr.ocr(page,fix_dollars=False)取得原样文本。
原样文本是基线，不以作者期望替代。

3. 取得默认客户端结果
在相同输入与模型配置下读取默认修复输出。
若重复采样有差异，先记录，不能把所有变化都归因fix_dollars。

4. 定位分隔符变化
逐项查看转义数学分隔符是否被修正。
官方说明价格应保留，不能把所有美元符统一转数学环境。

5. 核对代码字符串
比较代码块中的引号、反斜线和价格字符串。
任何字符变化单列，不能因为视觉显示接近就忽略。

6. 回看渲染与原文
同时显示原样Markdown、修复Markdown和原稿。
数学渲染成功不证明原稿金额未被改动。

7. 交付字符级差异
保存两份原文与差异清单，解释采用哪份。
未执行时只交混合原稿与校验样本，不声称模型自动修好了。

验收：
raw与fixed两份文本分开。
价格$12和代码原字符串保留。
公式修复与采样差异分开归因。

官方资料：
https://github.com/lightonai/LightOnOCR

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。
