Update README.md

README.md

@@ -6,9 +6,10 @@ colorTo: purple
 sdk: static
 pinned: false
 ---
-# stage2 各任务说明（输入 → 做什么 → 输出）
+# stage2 各任务说明
 
-## 任务一：RoBERTa 校准
+
+## 任务一：RoBERTa 校准（成员 2）
 
 **输入什么**
 
@@ -27,7 +28,51 @@ pinned: false
 
 ---
 
-## 任务二：FP/FN 错误分析
+## 任务二：TF-IDF 校准（成员 1，复用同一 notebook 流程）
+
+**输入什么**
+
+1. `pred_tfidf_{val,test_id,test_ood}.csv`（三列 `id,label,p_ai`）
+2. 校准流程代码（`calibrate.ipynb`）+ `metrics.py`
+
+**要做什么**
+
+1. `RUN="fit"`：只用 val → 拟合 TF-IDF 自己的 T → 在校准 val 上选自己的 tau_fpr5/tau_f1 → 选自己的 t
+2. `RUN="apply"`：把冻结参数应用到三个 split，绝不重选
+3. AUROC 校准前后必须一致；ECE/Brier 记录变化
+
+**输出什么**
+
+- `pred_tfidf_{val,test_id,test_ood}_calibrated.csv`
+- `metrics_tfidf_binary.csv`（9 行）、`metrics_tfidf_three_way.csv`（3 行）
+- `thresholds.json` 新增 `tfidf` 条目（TF-IDF 自己的 T/tau/t，不共用 RoBERTa 的参数）
+
+---
+
+## 任务三：Qwen 零样本/少样本校准（成员 3，复用同一 notebook 流程）
+
+**输入什么**
+
+1. Qwen 在 val/test 上的预测（零样本、少样本**两个版本分开**，各一套 `id,label,p_ai`）
+2. 校准流程代码 + `../metrics.py`
+3. 固定 200 条平衡子集（成员 1 已产出）
+
+**要做什么**
+
+1. 两个版本各自走一遍与任务一相同的 fit → apply 流程，参数不能共用、结果不能混
+2. 零样本/少样本分别记录到 thresholds.json 的 `qwen_zeroshot` / `qwen_fewshot` 条目
+3. 所有指标结论注明"固定 200 条人工平衡子集，小样本限定"
+
+**输出什么**
+
+- `pred_qwen_zeroshot/` 和 `pred_qwen_fewshot/` 两个版本的 calibrated 预测与两张 metrics 表
+- thresholds.json 新增 `qwen_zeroshot`、`qwen_fewshot` 两个条目
+
+**已知卡点**：目前成员 1 的子集只从 test_id 抽，**Qwen 没有 val 预测，fit 没原料**——需先确认是否补跑一份 val 预测（可同为固定子集），并同步全组口径。
+
+---
+
+## 任务四：FP/FN 错误分析（成员 2）
 
 **输入什么**
 
@@ -48,7 +93,7 @@ pinned: false
 
 ---
 
-## 任务三：三分类 Demo
+## 任务五：三分类 Demo（成员 2）
 
 **输入什么**
 
@@ -70,32 +115,11 @@ pinned: false
 
 ---
 
-## 任务四：TF-IDF 校准（复用同一 notebook 流程）
+## 任务六：跨模型汇总与 id 对齐（成员 1）
 
 **输入什么**
 
-1. `pred_tfidf_{val,test_id,test_ood}.csv`（三列 `id,label,p_ai`）
-2. 校准流程代码（`calibrate.ipynb`）+ `metrics.py`
-
-**要做什么**
-
-1. `RUN="fit"`：只用 val → 拟合 TF-IDF 自己的 T → 在校准 val 上选自己的 tau_fpr5/tau_f1 → 选自己的 t
-2. `RUN="apply"`：把冻结参数应用到三个 split，绝不重选
-3. AUROC 校准前后必须一致；ECE/Brier 记录变化
-
-**输出什么**
-
-- `pred_tfidf_{val,test_id,test_ood}_calibrated.csv`
-- `metrics_tfidf_binary.csv`（9 行）、`metrics_tfidf_three_way.csv`（3 行）
-- `thresholds.json` 新增 `tfidf` 条目（TF-IDF 自己的 T/tau/t，不共用 RoBERTa 的参数）
-
----
-
-## 任务五：跨模型汇总与 id 对齐
-
-**输入什么**
-
-1. 各模型的 `pred_*_calibrated.csv`（RoBERTa 在本目录、TF-IDF 由任务四产出、Qwen 在固定 200 条子集上）
+1. 各模型的 `pred_*_calibrated.csv`（RoBERTa 由任务一、TF-IDF 由任务二、Qwen 由任务三产出）
 2. 各模型两张 metrics 表
 3. thresholds.json（四模型条目齐后）
 
@@ -113,61 +137,52 @@ pinned: false
 
 ---
 
-## 任务六：Qwen 零样本/少样本校准
+## 任务七：跨模型错误对照（成员 1）
 
 **输入什么**
 
-1. Qwen 在 val/test 上的预测（零样本、少样本**两个版本分开**，各一套 `id,label,p_ai`）
-2. 校准流程代码 + `../metrics.py`
-3. 固定 200 条平衡子集（成员 1 已产出）
+1. 任务六产出的按 id 对齐数据（RoBERTa / TF-IDF 在同一批样本上的预测）
+2. 各模型自己的冻结 tau_fpr5（RoBERTa 0.994、TF-IDF 用它 fit 出的值，不得混用）
 
 **要做什么**
 
-1. 两个版本各自走一遍与任务一相同的 fit → apply 流程，参数不能共用、结果不能混
-2. 零样本/少样本分别记录到 thresholds.json 的 `qwen_zeroshot` / `qwen_fewshot` 条目
-3. 所有指标结论注明"固定 200 条人工平衡子集，小样本限定"
+1. 校准口径下各自标出 FP/FN，比较两模型在同一批 id 上的误判异同
+2. 注意区分：成员 1 的预研 csv（raw 口径、经验阈值 0.8/0.2、只 test_id 10 FP + 9 FN）是早期素材，不作为对照口径
 
 **输出什么**
 
-- `pred_qwen_zeroshot/` 和 `pred_qwen_fewshot/` 两个版本的 calibrated 预测与两张 metrics 表
-- thresholds.json 新增 `qwen_zeroshot`、`qwen_fewshot` 两个条目
-
-**已知卡点**：目前成员 1 的子集只从 test_id 抽，**Qwen 没有 val 预测，fit 没原料**——需先确认是否补跑一份 val 预测（可同为固定子集），并同步全组口径。
+- 错误对比补充表/段落（归属阶段三报告，入 `runs/stage2/` 时同交）
 
 ---
 
-## 任务七：跨模型错误对照
+## 任务八：终版绘图（成员 3）
 
 **输入什么**
 
-1. 任务五产出的按 id 对齐数据（RoBERTa / TF-IDF 在同一批样本上的预测）
-2. 各模型自己的冻结 tau_fpr5（RoBERTa 0.994、TF-IDF 用它 fit 出的值，不得混用）
+1. 各模型 `pred_*_calibrated.csv`（raw 与 calibrated 两列概率都要用）
+2. 各模型两张 metrics 表（混淆矩阵直接取 tn/fp/fn/tp，不重算）
+3. thresholds.json（图上标注所用参数）
+4. Qwen 固定 200 条子集 id
 
 **要做什么**
 
-1. 校准口径下各自标出 FP/FN，比较两模型在同一批 id 上的误判异同
-2. 注意区分：成员 1 的预研 csv（raw 口径、经验阈值 0.8/0.2、只 test_id 10 FP + 9 FN）是早期素材，不作为对照口径
+1. 混淆矩阵：2×2 二分类 + 2×3 三分类，数据直接取 metrics 表
+2. 校准图：按概率分桶画 raw 与 calibrated 对比曲线，每桶标注样本数 n
+3. 风险—覆盖率曲线：用 three_way 表（或续算）画 coverage 与 decided_acc，标出参考点
+4. Qwen 所有图基于 200 条人工平衡子集，图注写明小样本限定
 
 **输出什么**
 
-- 错误对比补充表/段落（归属阶段三报告，入 `runs/stage2/` 时同交）
+- `figures/confusion_*.png`（2×2 与 2×3）
+- `figures/calibration_*.png`（对角线 + raw/calibrated 对比 + 每 bin n）
+- `figures/risk_coverage.png`（模型对比与参考点）
+- 绘图代码：`stage2/plots.py` 或 notebook
 
 ---
 
-## 任务八：交付目录对齐
+## 任务九：交付目录对齐
 
-**输入什么**
-
-1. `stage2/output/` 顶层的全部 `*.csv`、`*.json`（7 个现有文件 + 三张 fp 表）
 
-**要做什么**
-
-1. 按 §4.3 把顶层产物镜像到 `runs/stage2/`，跳过 `middle/`
-2. 复制放在所有任务之后做；之后任何任务重跑过，再执行一次覆盖复制
-
-**输出什么**
-
-- `src/runs/stage2/`：9 个及以上交付文件（四模型条目齐的 thresholds.json、各模型 calibrated 预测与 metrics、三张 fp 表）
 
 ---
 
@@ -179,3 +194,4 @@ pinned: false
 4. 各模型参数独立（各自的 T/tau/t），跨模型比较按 id 对齐，Qwen 只在固定子集上比
 
 
+