docs: 更新 README、删除过时文档（推理优化方案/superpowers 计划）

- README.md: 重写为简洁版（有效优化表、文件结构、评测环境）
- 删除推理优化方案.md（内容已合并到 CLAUDE.md）
- 删除 docs/superpowers/（过期实现计划）
- 保留 EXPERIMENTS.md（实验记录模板）

README.md

@@ -6,54 +6,72 @@
 
 ## 赛题
 
-> [比赛主页](https://aistudio.baidu.com/competition/detail/1461) · [大赛官网](http://cti.baidu.com) · [提交结果](https://aistudio.baidu.com/competition/detail/1461/0/submit-result)
+> [比赛主页](https://aistudio.baidu.com/competition/detail/1461) · [大赛官网](http://cti.baidu.com) · [提交结果](https://aistudio.baidu.com/competition/detail/1461/0/submit-result) · [比赛规则](https://aistudio.baidu.com/competition/detail/1461/0/rules)
 
-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。
+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)
+RepEncoder (28 slots × 512d Embedding) → segment_reduce → LayerNorm → Linear
   → 8 层 Transformer (512d, 8 heads, Pre-LN)
-    → Multi-Head Attention
-    → SMoE FFN (8 experts, Top-2 gating)
+    → Multi-Head Attention (SDPA / Flash Attention)
+    → SMoE FFN (8 experts, Top-2 gating, k=2)
   → 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
+## 有效优化
 
-> 详见 [比赛规则](https://aistudio.baidu.com/competition/detail/1461/0/rules)
+| # | 优化 | 原理 | 耗时 |
+|---|------|------|------|
+| 1 | FP16 量化 | 模型半精度 + Embedding FP32 | 152s |
+| 2 | Flash Attention | SDPA 数学等价替换 | 94.5s |
+| 3 | 消除 GPU 同步 | 移除 MoE mask.any() + searchsorted mask | 88.1s |
+| 4 | Expert 相似度合并 | 余弦相似度 >0.90 的 expert 合并 | 86.5s |
+| 5 | 稠密向量化 MoE | einsum 并行算 8 个 expert | PR#1 |
+| 6 | RepEncoder 融合查表 | 28 slot 拼单次 segment_reduce | PR#1 |
+
+## 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
+## 评测环境
 
-| 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 |
+- **硬件**: NVIDIA A800 (80GB, SM80)
+- **软件**: Python 3.10 + PyTorch 2.6.0 + CUDA 12.4
+- **评测数据集 ≠ baseline 数据集**
 
 ## 提交
 
 ```bash
 cd 代码/code
-zip submit.zip infer.py requirements.txt build_env.sh
+zip submit.zip infer.py build_env.sh
 ```
 
-约束：不包含 `dataset/`、`ckpt.pt`，每天最多 10 次提交。
+约束：不包含 `dataset/`、`ckpt.pt`，包后缀 `.zip`，每天最多 10 次。
 
-## 环境
+## 文件结构
 
-- **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`
+```
+代码/code/
+├── infer.py           # 推理主脚本（提交核心）
+├── build_env.sh       # 环境构建脚本
+├── requirements.txt   # 服务端依赖（torch 2.6.0 + CUDA 12.4）
+├── EXPERIMENTS.md     # 实验记录表
+└── bench.py           # 本地测量脚本（不进提交包）
+
+论文/
+├── GRAB.md / HSTU.md  # 论文 OCR markdown
+└── imgs/              # 论文图片
+
+代码/任务提交接口说明.md  # 官方接口规范
+CLAUDE.md               # 项目开发指引
+```
 
 ## 许可证