# ATI–HO 训练与评估

ATI–HO 是当前 Q3 方案。模型定义位于 `model/ati_ho.py` 和 `model/ati_ho_config.py`。

## 输入准备

设置 `FINAL_DATA_DIR` 指向官方数据根目录。完整训练和评估需要附件 2 的 `unaligned_50.pkl`、附件 4 的未对齐特征文件和训练集 robust scaler：

`experiments/q2/unaligned_deep_two_b128/unaligned_50_robust_stats.npz`

评估时附件 4 视频文件仅用于来源核验，不是模型输入。模型只读取特征文件。所有未对齐输入由统一 adapter 投影到 50 个 Relative-Progress 槽，不能解释为物理时间同步。

## 训练命令

从仓库根目录执行：

```bash
export FINAL_DATA_DIR="/path/to/E题数据"
python -m q3.ati_ho.train --phase all --device auto
```

`--phase stage1` 运行 seed 42 的 A0/A1/A2/A3 和 D0 结构审计；`--phase stage2` 使用 Stage I 写出的 provisional candidate 运行三 seed 基线和关键消融。默认最多 12 轮，固定验证情景任务损失早停。训练记录与检查点保存在 `experiments/q3/ati_ho/`。只有明确要覆盖检查点时才加 `--force`。

## 评估命令

```bash
export FINAL_DATA_DIR="/path/to/E题数据"
python -m q3.ati_ho.evaluate --device auto
```

评估会比较 ATI 消融、重算官方验证指标和按来源视频组 Bootstrap、审计解析/精确 Shapley、运行附件 4 局部 Owen 和删除/保留诊断，并生成 Q3 输出。最终 ATI 方案按三 seed、四个固定验证情景的平均任务损失选出。附件 4 标签不会读取或用于报告；附件 4 输出没有准确率。

若完整评估已写完 CSV，但报告阶段中断，可运行：

```bash
python -m q3.ati_ho.evaluate --reports-only
```

若只需补算训练 seed 与 1% 输入扰动下的 attribution 稳定性：

```bash
export FINAL_DATA_DIR="/path/to/E题数据"
python -m q3.ati_ho.evaluate --device auto --stability-only
```

题目交付文件写入 `output/q3/ati_ho/`。完整结果表、审计和论文式记录位于 `experiments/q3/ati_ho/results/ati_ho/`。验证指标解释和结果边界见 `REPORTS.md`。