revert: 移除 2:4 稀疏（PCOC 2.067 + 耗时反增 265s，to_sparse_semi_structured 与 nn.Linear 不兼容）

回退到稳定版：FP16 + Flash Attention + inference_mode（57.45 分）

CLAUDE.md

@@ -167,7 +167,7 @@ Baseline 数据：推理 229s，AUC 0.759，PCOC 1.110，得分 25.85。
 4. ✅ **inference_mode()** — 替代 `no_grad()`，92.5s（+2s 小幅提升）
 5. ❌ **torch.compile** — reduce-overhead 和 default 模式均因动态 batch 形状反效果，彻底放弃
 6. ❌ **MoE Top-1 gating** — PCOC 从 1.059 炸到 2.075，已回退
-7. 🔲 **2:4 结构化稀疏** — A800 原生加速，权重形状不变（显式允许）
+7. ❌ **2:4 结构化稀疏** — PCOC 炸到 2.067，耗时反增 265s。to_sparse_semi_structured 与 nn.Linear 不兼容
 
 CUDA Graph 已评估并放弃（batch 形状不固定，不适用）。
 
@@ -190,8 +190,9 @@ CUDA Graph 已评估并放弃（batch 形状不固定，不适用）。
 
 | 日期 | 提交次数 | 得分 | AUC | PCOC | 耗时 | 优化手段 | 备注 |
 |------|----------|------|-----|------|------|----------|------|
+| 06/13 | 11 | 0 | 0.748 | 2.067 | 265.5s | 2:4 sparse | ❌ 炸毁 |
 | 06/13 | 10 | **57.45** | 0.7526 | 1.059 | 92.5s | + inference_mode | **当前最优** |
-| 06/13 | 9 | 51.42 | 0.7525 | 1.059 | 118.4s | + compile(default) | 反效果，已移除 |
+| 06/13 | 9 | 51.42 | 0.7525 | 1.059 | 118.4s | + compile(default) | 反效果 |
 | 06/12 | 8 | 0 | 0.736 | 2.075 | 119.6s | MoE k=1 + compile | PCOC 炸毁 |
 | 06/12 | 6 | 56.98 | 0.7526 | 1.059 | 94.5s | + Flash Attention | |
 | 06/12 | 3 | 43.55 | 0.7525 | 1.059 | 152s | + FP16 量化 | |

代码/code/infer.py

@@ -511,28 +511,7 @@ def load_model(ckpt_path, device='cuda:0'):
 
     model.to(dev)
     model.eval()
-
+    print(f"[INFO] Model ready. Device: {dev}")
-    # === 2:4 结构化稀疏：所有 Linear 层权重剪枝，A800 原生 2x 加速 ===
-    try:
-        sp_count = 0
-        for name, module in model.named_modules():
-            if isinstance(module, nn.Linear) and module.weight.dim() == 2:
-                w = module.weight.data
-                shape = w.shape
-                # 每 4 个连续元素保留幅度最大的 2 个
-                w_flat = w.reshape(-1, 4)
-                _, top_idx = torch.topk(w_flat.abs(), k=2, dim=1)
-                mask = torch.zeros_like(w_flat)
-                mask.scatter_(1, top_idx, 1.0)
-                pruned = (w_flat * mask).reshape(shape)
-                # 转为半结构化稀疏格式（A800 SM80 硬件加速）
-                module.weight = nn.Parameter(
-                    torch.sparse.to_sparse_semi_structured(pruned)
-                )
-                sp_count += 1
-        print(f"[INFO] 2:4 sparsity applied to {sp_count} Linear layers")
-    except Exception as e:
-        print(f"[WARNING] 2:4 sparsity failed ({e}), continuing with dense weights")
 
     return model, dev