Update README.md

README.md

@@ -23,31 +23,28 @@ pinned: false
 
 ---
 
-## 👥 团队分工与进度规划
-
-为了保证在 11 月 18 日前交付可验收、可演示的版本，采用 **“管线与统计解耦 + 强制交接点”** 双人协作模式。
-
-### 🧑‍💻 成员 A：实验管线负责人
-* **核心职责**：保障 12,100 次生成任务“跑得完、跑得对、可复现、可续跑”。
-* **关键产出**：
-  * 环境配置与模型加载（Qwen2.5-7B-Instruct）
-  * 数据抽样冻结（dev 30 / test 100）与断点续跑脚本
-  * 原始数据落盘（`raw.parquet`）与成本/失败率统计（`cost.csv`）
-* **核心代码**：`common.py`, `gen.py`, `merge.py`
-
-### 🧑‍🔬 成员 B：统计分析与写作负责人
-* **核心职责**：将原始数据转化为可辩护的统计结论与可视化图表。
-* **关键产出**：
-  * C/D 分解（纠错数 vs 损害数）与配对 Bootstrap 置信区间
-  * c₅（前 5 票一致性）分层分析与敏感性检验
-  * 独立复算（`recompute.py`）、三张核心主图与报告主体撰写
-* **核心代码**：`analyze.py`, `recompute.py`, `plots.py`
-
-### 🚦 关键里程碑（11.18 D-Day 倒排）
-- [ ] **D5 冻结交接**：确认参数口径，锁定提示词与解析规则（`frozen.json`）。
-- [ ] **D9 数据交接**：A 交出原始数据，B 需在 24h 内独立复算主结果，**数值一致才签字**。
-- [ ] **D13 结论交接**：共写“能说/不能说”的结果边界。
-- [ ] **D14 最终排练**：定稿，不再修改任何内容。
+## 👥 双轨并行分工与进度规划
+
+为了保证在 11.18 前交付高质量的可演示版本，摒弃传统的串行交接，采用**“实验管线”与“统计分析”双轨并行**的敏捷协作模式。两名成员各自负责一条不可替代的产出线，并在关键节点进行交叉验收。
+
+### 🟢 阶段一：基建与冻结（D1 - D5）
+**核心目标**：跑通全链路，锁定实验参数，消除后期返工风险。
+- **成员 A（管线轨）**：搭建环境与 7B 模型加载；完成 dev 抽样与单题冒烟测试；跑通 Pilot 实验（验证失败率<10%、截断率<5%）；编写 `gen.py` 并验证断点续跑。产出：`ids.json`、`pilot.parquet`。
+- **成员 B（分析轨）**：完成文献矩阵梳理；确定 C/D 分解与 Bootstrap 的数学口径；用 Pilot 数据调通 `analyze.py` 与 `plots.py` 骨架。产出：`metrics_spec.md`。
+- **🔒 交汇点 1（D5 冻结）**：两人逐条对齐 `config.py` 与 `metrics_spec.md`，共同生成并签字 `frozen.json`。**此后 test 开跑，参数一律不准改**。
+
+### 🟡 阶段二：生成与预写（D6 - D9）
+**核心目标**：完成全量数据生成，同时并行推进报告前置写作，确保主结果可验证。
+- **成员 A（管线轨）**：启动正式生成（优先跑 T=0.6 的全部 2 流），监控运行状态；跑完后合并分片，输出 `raw.parquet` 与 `main_stats_A.csv`；输出成本统计 `cost.csv`。
+- **成员 B（分析轨）**：在等待数据生成期间，并行撰写报告 Method、Setup 与 Related Work 草稿；搭建 `recompute.py` 独立复算脚本。
+- **🔒 交汇点 2（D9 独立复算）**：A 交付 `raw.parquet`；B 在 24h 内运行独立脚本复算主结果指标（Greedy Acc, C数, D数），与 A 的产出逐项比对（容差 `1e-6`）。**数值完全一致后方可进入下一阶段**。
+
+### 🔴 阶段三：产出与整合（D10 - D14）
+**核心目标**：将数据转化为统计结论与可视化图表，并行完成报告组装与排练。
+- **成员 B（分析轨）**：运行完整 `analyze.py`，产出主比较区间、增量表、c₅ 分层与敏感性分析；绘制三张核心主图（准确率曲线、C/D 堆叠、c₅ 分组）；撰写 Results 与 Discussion 主体。产出：`tables/`、`figs/`、报告初稿。
+- **成员 A（管线轨）**：整理失败率与计算成本附表；审核报告中的实验设置与成本段落；编写演示文稿中的管线与工程细节页；协助排查错例。产出：成本/失败率附表、演示实验页。
+- **🤝 交汇点 3（D13 结论边界）**：两人基于各自的视角，共同撰写“能说/不能说”段落，防止过度推断。
+- **最终定稿（D14）**：两人联合排练 8 分钟展示，**此后不再修改任何内容**，准备 11.18 答辩。
 
 ---
 
@@ -70,21 +67,25 @@ pinned: false
 
 ```text
 project/
-├── config.py              # 全局配置唯一真源（锁定版）
-├── common.py              # 提示构造 / 答案抽取 / 采样 / 投票
-├── gen.py                 # 正式生成（分片 + 断点续跑）
-├── merge.py               # 合并与管线内主统计
-├── recompute.py           # B 独立复算（交接点闸门）
+├── config.py              # 全局配置唯一真源（双方共定）
+├── common.py              # 提示/抽取/采样/投票（基建共享）
+│
+├── 【管线轨代码】 ──────────
+├── gen.py                 # 正式生成：分片+断点续跑
+├── merge.py               # 合并与成本统计
+├── degrade.py             # 应急降级脚本
+│
+└── 【分析轨代码】 ──────────
+├── recompute.py           # 独立复算：交叉验证管线数据
 ├── analyze.py             # C/D 分解 / c5 分层 / Bootstrap
-├── plots.py               # 三张核心主图绘制
-└── degrade.py             # 超时/失败应急降级脚本
+└── plots.py               # 三张核心主图绘制
 ```
 
 ---
 
-## 📌 交付标准与验收清单 (11.18)
+## 📌 交付标准与验收清单
 
-本项目不仅追求结果，更注重过程的严谨性。11 月 18 日的最终展示与提交必须包含以下四件套：
+本项目不仅追求结果，更注重过程的严谨性。的最终展示与提交必须包含以下四件套：
 
 ### 1. 统计结果 (Statistical Results)
 - [ ] **主比较区间**：提供点估计与 95% 配对 Bootstrap 置信区间（基于 2000 次重采样）。
@@ -110,7 +111,7 @@ project/
 
 ## 🛡️ 核心代码示例：跨成员独立复算 (Double-Check)
 
-为了打破“一人跑实验、一人写报告”的串行反模式，在 `D9` 设置了强制交接点。**成员 B 必须使用独立的 `recompute.py` 从原始数据重新计算主结果，与成员 A 的管线产出逐项比对（容差 `1e-6`），一致后方可进入分析阶段。**
+为了保证数据的绝对可靠性，本项目在 D9 设立了严格的交叉验证机制。**分析轨将使用独立编写的 recompute.py 从底层原始数据重新计算主结果，与管线轨的输出进行逐项比对（容差 1e-6），一致后方可进入正式分析与报告撰写阶段。**
 
 ```python
 # recompute.py - 由成员 B 独立编写与执行（不 import 成员 A 的分析代码）
@@ -151,7 +152,7 @@ if __name__ == "__main__":
 
 ## 📅 项目时间线 (2-Week Sprint to D-Day)
 
-为了确保在 11.18 前交付高质量的展示版本，采用倒排期管理，将 2 周时间精确到天，并设置了三个“不通过不推进”的硬交接点：
+为了确保交付高质量的展示版本，采用倒排期管理，将 2 周时间精确到天，并设置了三个“不通过不推进”的硬交接点：
 
 - **[D1-D2] 需求冻结 (11.04 - 11.05)**：环境搭建、数据抽样冻结（Test 100 / Dev 30）、文献矩阵梳理。
 - **[D3-D4] Pilot 与骨架 (11.06 - 11.07)**：跑通小网格测试，分析脚本与绘图模板使用 Pilot 数据联调。
@@ -170,9 +171,10 @@ if __name__ == "__main__":
 作为课程项目的重要组成部分，将严格遵守学术规范，并在最终报告中作如下声明：
 
 ### 成员贡献声明 (CRediT)
-- **成员 A (实验管线)**：负责模型部署与显存调度、提示与解析规则验证、12,100次生成的网格调度与断点续跑、原始数据落盘及成本/失败率统计；参与冻结参数决策；负责展示的实验部分。
-- **成员 B (统计与写作)**：负责 C/D 分解与配对 Bootstrap 实现、\(c_5\) 分层与敏感性分析、全部图表绘制、文献综述与报告主体撰写；在 D9 执行独立复算；负责展示的分析部分。
-- **共同承担**：研究问题确定、主比较口径决策、结论边界撰写、报告交叉互审、排练。
+本项目采用双轨并行模式，两位成员对项目成功做出同等贡献：
+- **成员 A (实验管线轨)**：负责模型部署与显存调度、提示与解析规则验证、12,100次生成的网格调度与断点续跑；负责原始数据落盘及计算成本/失败率统计；撰写报告中实验设置与工程细节部分；参与结论边界撰写。
+- **成员 B (统计与分析轨)**：负责 C/D 分解与配对 Bootstrap 实现、c₅ 分层与敏感性分析、全部核心图表绘制；在 D9 建立独立复算脚本对管线数据执行强制交叉验证；撰写报告中的文献综述、统计结果与讨论主体。
+- **共同承担**：研究问题定义、主比较口径决策、参数冻结（D5）、结论边界撰写（D13）、报告交叉互审与联合排练。
 
 ### AI 工具使用声明 (AI Usage)
 本项目在以下环节使用了生成式 AI 工具辅助：