TreasuryQA Bench: агенты ошибаются в одной цифре на размытых сканах и верят напечатанному числу, а не итогам таблицы

Около трёх четвертей неудачных попыток агента заканчиваются уверенным неверным числом, а не отказом. Больше четверти таких чисел отличаются от верного одной цифрой: размытая восьмёрка читается как шестёрка. Бенчмарк TreasuryQA показывает, где агент ломается при чтении сканов финансовых отчётов: не на поиске файла, а на чтении цифры. Фишка: агент сам сверяет число с итогами таблицы, видит расхождение и всё равно сообщает напечатанное. На чётких сканах такая ошибка в 7% ответов, на очень размытых — в 56%.