题目	文件	用途
Q1	`final/output/q1/features_v2/`	100 条自生成多模态时序特征 `.npz`；附 `manifest_q1.jsonl`、`feature_manifest.json`、100 行样本汇总和 300 行模态汇总，用于追溯样本、维度与有效时长
Q2	`final/q2/math/`、`final/model/`、`final/adapter/`	C0–C7 数学方案的训练、数据处理、附件 3 推理和统一未对齐输入接口代码；随包参数对应验证集选定的 C6
Q2	`final/experiments/q2/unaligned_math_all_b128/`	C6 选定模型权重、结构化填补器、训练集预处理统计、验证集校准与运行配置
Q2	`final/output/q2/attachment3_predictions.csv`	附件 3 的 30 条无标签预测
Q3	`final/q3/ati_ho/`、`final/q3/run_experiments.py`、`final/q2/deep_learning/q2/`、相关 `final/model/` 与 `final/adapter/`	ATI–HO 训练、预测、解释与局部证据计算代码；含运行说明
Q3	`final/experiments/q3/ati_ho/`、`final/experiments/q2/unaligned_deep_two_b128/unaligned_50_robust_stats.npz`	验证集选定的 ATI–HO A0 三种子权重、配置和推理所需缩放器
Q3	`final/output/q3/ati_ho/attachment4_predictions.csv`、`attachment4_explanations.csv`、`attachment4_local_evidence.csv`	附件 4 的全量预测、模态作用解释和局部证据位置（20 条样本、600 条局部证据记录）

未放入提交目录的训练日志、消融表、Bootstrap 表、错误归因表和历史方案输出不属于第四小节要求的附件。模型比较、验证结果与分析应呈现在论文正文中。

运行环境与数据位置

使用 Python 3.11 或更新版本。安装依赖：

python -m venv .venv
source .venv/bin/activate              # Windows PowerShell: .venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt

GPU 运行时，请安装与本机 CUDA 驱动匹配的 PyTorch；没有 GPU 时可使用 CPU，但训练和局部解释会更慢。附件 3 的文本重建会调用 google-bert/bert-base-uncased；首次运行需能下载该模型，或提前放入 Hugging Face 缓存。

将官方数据根目录放到任意位置，并设置 FINAL_DATA_DIR 指向该根目录。目录中需有：

附件2-数据集特征文件/unaligned_50.pkl
附件3-模态缺失特征样本/未对齐版本/
附件4-可解释专项视频样本与特征文件/附件4-可解释专项视频样本与特征文件/未对齐版本/

Windows PowerShell 示例：

$env:FINAL_DATA_DIR = "D:/E题数据"

Linux/WSL 示例：

export FINAL_DATA_DIR="/data/E题数据"

重新生成专项预测文件

从 submit/ 目录运行。Q2 使用随包提供的 C6 权重、预处理统计和校准参数：

python -m final.q2.math.predict_attachment3 --input-version unaligned_50 --device auto

Q3 使用随包提供的 A0 三种子权重，生成预测、模态解释和局部 Owen 证据 CSV：

python -m final.q3.ati_ho.predict_attachment4 --device auto

输出分别写入 final/output/q2/ 和 final/output/q3/ati_ho/。附件 3、附件 4 是无标签专项测试集，输出文件不包含测试指标。

从头训练

Q2 的 C0–C7 训练与比较代码在 final/q2/math/train.py。按本次 C6 运行配置执行：

python -m final.q2.math.train --input-version unaligned_50 --epochs 12 --imputer-epochs 8 --batch-size 128 --patience 3 --seed 20260924 --device cuda --output-dir final/experiments/q2/unaligned_math_rerun

无 CUDA 时将 --device cuda 改为 --device cpu。训练完成后可用 --results-dir final/experiments/q2/unaligned_math_rerun 让 predict_attachment3.py 使用新权重。

Q3 完整训练会生成 ATI 消融与 EarlyConcat、MoFE 基线权重；之后运行完整验证和解释评估：

python -m final.q3.ati_ho.train --phase all --device cuda --force
python -m final.q3.ati_ho.evaluate --device auto

完整训练需要附件 2 训练集以及随包提供的训练集缩放器。训练产生的比较模型和审计结果写入 final/experiments/，不需要作为当前最小附件提交。