docs: 补充剪枝细则（非结构化 vs 结构化）、评测细节、人工审核说明

CLAUDE.md

@@ -120,7 +120,21 @@ score_all     = score_latency * 70 + score_model * 30
 | 序列采样/截断 | ❌ 违规 | |
 | 对测试集训练 | ❌ 违规 | |
 
-**策略指标以 baseline 为上限**，指标下降会扣分，超出范围直接 0 分。
+#### 剪枝细则（来自 Q&A #3）
+
+- **结构化剪枝（❌ 不允许）**: 删除整层、整行/整列权重、减少 channel 数等，会改变张量形状或网络拓扑
+- **非结构化剪枝（✅ 允许）**: 仅将单个权重置零或 mask 掉，不改变权重矩阵形状；可删除对输出贡献较小、冗余度高的部分，前提是结构不被破坏
+
+> 关键边界：Linear 权重矩阵大小不变、Layer 数量不变、Attention head 数量不变、FFN 维度不变 → 属于合规的参数级剪枝
+
+#### 评测细节
+
+- **计时范围**: 仅 `model(batch)` 逐 batch 累加，`move_batch_to_device` 不计入
+- **硬件**: NVIDIA A800 (80GB, SM80)
+- **软件**: Python 3.10 + PyTorch 2.6.0
+- **评测数据集 ≠ baseline 数据集**（AUC 天然有差异）
+- **策略指标以 baseline 为上限**，指标下降会扣分，超出范围直接 0 分
+- **人工审核**：最终成绩由人工审核判定合规性
 
 ## 数据分析