LightOnOCR3续接标记：识别text+跨栏续块，保留顺序与段落谱系

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. 排版跨栏原稿
左栏段落在“报名后请”处断开，右栏继续“保存确认邮件”。
另放独立aside_text，防止所有邻近文本都被合并。

2. 读取完整标记流
按原始顺序保存label、bbox和text。
不要按x坐标重新排序后再解释加号，会破坏原来的接续关系。

3. 解释加号语义
将text+拆为基础类型text与continuesPrevious=true。
原始label仍保留，便于回查解析器是否改动了语义。

4. 构建段落谱系
只在合理相邻块间连接续块，并存parentBlockId。
没有可接父块的+标记进入异常清单，不猜一个远处段落。

5. 保留独立边栏
aside_text不因位置靠近就并入正文。
若段落含边栏文字，回查合并条件而非删原文。

6. 回到双框验证
把合并段落拆回两个原bbox，核对顺序和文字。
合并产物应保留sourceBlockIds，不能只剩一段无来源文本。

7. 交付续接报告
保存原始标记流、段落映射和孤立加号负例。
未运行时框和标签为作者测试输入，不能标成模型预测。

验收：
加号被解释为续接属性。
合并段落保留两个sourceBlockIds。
边栏没有被误合并。

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。