Datalab 用 70 步 RL 把 OCR 从第 23 名推到第 3：增益几乎全来自对齐榜单格式

Datalab 10 月 12 日在 Hugging Face 放出一个研究检查点 Surya ParseBench RL，只为回答一个问题：一个 OCR 模型的 ParseBench 分数里，有多少来自「读懂页面」，有多少来自「命中这个基准的输出约定」。做法是把 650M 参数的 Surya OCR 2 拿去做 70 步强化学习，训练数据不含任何 ParseBench 文档。

结果分两半：名次从第 23 名升到第 3 名（四个非图表维度的均值），但内容忠实度这一项——最接近「模型有没有把页面读对」的指标——只移动了 0.4 个百分点。作者在模型卡里直接写明「几乎全部增益都来自格式」，并把结论写成一句提醒：分数里有多少是读页面的能力，需要单独测。

这条对读者的价值不在 OCR 本身，而在榜单怎么读：一个不接触领域数据、只优化输出约定的模型能挤进前三，说明榜面上的名次可能主要在反映格式匹配而不是识别能力。团队明确标注「这是研究检查点，不是产品模型」，权重与训练细节随仓库一并放出，方便别人复核这个判断。

原文链接：Datalab 官方模型卡