Transformers 修正 PaddleOCR-VL 位置插值設定，恢復與原模型一致的行為

Hugging Face Transformers 於 11 月 5 日合併修補 #50384，將 PaddleOCR-VL 視覺嵌入中的 interpolation_align_corners 從 True 改回 False，恢復原模型使用的雙線性插值行為。變更已進入主分支，但目前查核資料尚不能確認哪個正式套件版本會收錄。修補紀錄

問題發生在視覺位置嵌入需要配合輸入影像網格重新取樣時。依回報者的版本比對，5.12.1 使用 align_corners=False；從 5.13.0 起，共用視覺輔助函式重構後採用了等同 True 的座標規則。當目標 patch 網格與模型學得的網格不同，插值後的位置向量便會改變。最小重現案例把 2×2 網格放大到 4×4，與原設定的最大絕對差約為 0.25；這是人工測試向量的差異，不能直接解讀成辨識錯誤率。問題與重現程式

這項細節與文件辨識部署有關：PaddleOCR-VL 的核心模型為 0.9B 視覺語言模型，結合 NaViT 風格動態解析度視覺編碼器與 ERNIE-4.5-0.3B，處理文字、表格、公式及圖表。對需要支援不同頁面尺寸的流程而言，位置插值是否符合原始實作，是跨版本重現結果時應控制的變數。模型技術文件

不過，公開證據並未顯示嚴重精度退化。回報者以相同版面模型、透過 PaddleX 執行 OmniDocBench v1.5，公布 False 與 True 的整體分數分別為 95.25、95.20，官方 vLLM 參考結果為 95.24；兩種設定在困難案例中也都可能出錯或重複輸出。這些是貢獻者提供的測試，尚不足以推論所有文件的影響。工程團隊可先固定模型權重與套件版本，再用自身中文表格、掃描頁及不同尺寸文件比較輸出，並追蹤正式版本收錄情況。評測討論