Indra公式识别开关：启用LaTeX后复查数字表格，防止数值误包数学标记

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：
Python环境与本地CPU；Indra使用ONNX，不需要PyTorch或GPU，首次运行需下载约76MB默认模型，math模型另计。
代码Apache2.0；权重modified OpenRAIL-M，有企业规模与竞争用途限制，不能宣传无限制免费商用。
本课原生材料可离线免费检查；目标识别未执行，实际page.source/conf/坐标只能运行后填写。

操作步骤：
1. 准备混合原稿
报告含x_i≤1和库存12、18、9的简单表格。
公式与库存分别有清楚标题，避免只能凭数值猜类型。

2. 先运行默认配置
保存未启用math的Markdown与JSON。
默认可能把公式当普通文字，不能声称它已输出规范LaTeX。

3. 启用数学识别
同输入使用--math，记录额外模型下载和实际时间。
首次下载耗时与推理耗时分开，不复用官方基准当本机速度。

4. 核对LaTeX表达
检查下标与不等号语义，原式仍是x_i≤1。
看起来像公式不够，变量和符号需要回页核对。

5. 复查数字表格
比较三行库存是否多出数学标记或改变数值字符串。
官方提示math可能把部分表格数字当数学识别，因此表格需另查。

6. 按块选择校对版本
保留原始两份，校对稿注明采用哪些公式/表格块。
人工拼合必须标人工修订，不覆盖原始结果。

7. 交付开关决策
保存效果、额外依赖和时间边界，说明是否适合当前材料。
未执行时不写“准确率提高”或固定速度结论。

验收：
公式变量/下标/关系符一致。
库存仍为12、18、9。
下载、推理和人工校对分别记录。

官方资料：
https://huggingface.co/datalab-to/indra-ocr

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。
