docs: 重写 README（项目介绍、架构、评分规则、优化路线）

README.md

@@ -1,2 +1,56 @@
 # CTI-Inference-Opt
 
+百度商业AI技术创新大赛 (CTI) 2026 — **生成式推荐广告排序推理性能优化**
+
+[![Gitea](https://img.shields.io/badge/Gitea-Serendipity%2FCTI--Inference--Opt-blue?logo=gitea)](https://gitea.liuhangyv.top/Serendipity/CTI-Inference-Opt)
+
+## 赛题
+
+给定基于 Transformer 的生成式推荐广告排序模型（GRAB），在**不改变模型结构、不在测试集上训练**的前提下，极致优化推理性能。
+
+量化、稀疏、剪枝明确允许。
+
+## 模型架构
+
+```
+RepEncoder (28 slots × 512d Embedding)
+  → 8 层 Transformer (512d, 8 heads, Pre-LN)
+    → Multi-Head Attention
+    → SMoE FFN (8 experts, Top-2 gating)
+  → Linear → Sigmoid → CTR
+```
+
+~6.5M~11.3M 参数，基于 [GRAB](https://arxiv.org/abs/2602.01865) / [HSTU](https://arxiv.org/abs/2402.17152) 论文。
+
+## 评分规则
+
+| 维度 | 要求 | 不达标 |
+|------|------|--------|
+| 推理效率 | ≤ 5min，环境构建 ≤ 20min | **总分 0** |
+| 模型效果 | AUC ≥ 0.65，PCOC ∈ [0.85, 1.15] | **总分 0** |
+
+## 优化路线
+
+| 步骤 | 方案 | 预期加速 |
+|------|------|----------|
+| ✅ 第一版 | 接口对齐 + FP16 量化 | 229s → ~120s |
+| 🔲 第二版 | Flash Attention + torch.compile | ~120s → ~65s |
+| 🔲 第三版 | MoE 剪枝 + INT8 量化 | ~65s → ~30s |
+
+## 提交
+
+```bash
+cd 代码/code
+zip submit.zip infer.py requirements.txt build_env.sh
+```
+
+约束：不包含 `dataset/`、`ckpt.pt`，每天最多 10 次提交。
+
+## 环境
+
+- **本地**: `.venv` (Python 3.13, uv), 仅装 `numpy` + `tqdm` + `aistudio-sdk`
+- **服务端**: PyTorch 2.6.0 + CUDA 12.4，完整依赖见 `代码/code/requirements.txt`
+
+## 许可证
+
+MIT License