Datalab 拆解 olmOCR-bench：200 页中 68 页判分有误并提出 5 项检查

Datalab 拆解 olmOCR-bench，发现 olmOCR-2 在 200 页中有 119 页获得 100%，但复核显示其中 68 页的判分本身有误。其 header 规则还会系统性偏好省略页眉的模型。配套博客提出 5 项检查，包括测试 ground truth 是否接近满分、人为改错 5% 数字、变换表格格式、抽掉页面以及人工核查失败案例。