File size: 3,369 Bytes
6b6f412 4a0f6a5 7186231 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 | # Project Overview
## 仓库定位
这是一个面向 Hugging Face 交付的完整研究仓，目标不是只保留模型文件，而是把模型、数据、源码、正式结果和解释文档一起收口成一个稳定的研究资产包。
## 一级结构
当前仓库由 8 个一级部分组成：
| 路径 | 作用 |
|---|---|
| `data/` | 仓库内置数据区，包含 5 个可直接实验的数据集，以及人工原料、AI 生成文本和提示词资产 |
| `models/` | 最终保留的模型资产，只保留 BERT / RoBERTa 权重与 3 个 Qwen adapter |
| `src/` | 共享 Python 模块，例如数据工具、评估工具、模型工具、voter registry |
| `scripts/` | 训练、评估、推理、集成、跨域实验入口脚本 |
| `configs/` | 训练、推理、最终 ensemble 的配置快照 |
| `reports/` | 训练产物、日志、metrics、manifest、payload 和压缩预测文件 |
| `results/` | 正式研究结果区，收纳最终系统和跨域结论 |
| `docs/` | 主说明文档与归档文档 |
## `reports/` 和 `results/` 的区别
这次重构里最重要的接口变化之一，就是明确把 `reports/` 和 `results/` 分开：
- `reports/` 只承担训练产物和训练留档角色。
- `results/` 只承担正式研究结论和预测留档角色。
如果想看“最终系统是什么”，应该先看 `results/` 和 `docs/final_ensemble.md`，而不是先去翻 `reports/`。
## `results/` 的固定分区
`results/` 当前固定为 4 类内容：
| 路径 | 作用 |
|---|---|
| `results/final-system/ds13/` | DS13 正式 7-voter ensemble 结果 |
| `results/final-system/upstream-voters/ds13/` | DS13 上游 voter 输出，用于追溯最终 ensemble |
| `results/final-system/ds01-reference/` | DS01 参考 bundle，用来解释 fallback 训练语境 |
| `results/cross-domain/` | DS06 / DS07 的跨域 bucket ensemble 正式结论 |
| `results/experiment-summaries/` | 单模、detector、最终系统的紧凑摘要 |
| `results/results_manifest.json` | 机器可读结果清单 |
## `docs/` 的组织规则
`docs/` 现在分成两层：
- 正式主文档：直接服务于交接与阅读，例如 `final_ensemble.md`、`cross_domain_results.md`、`research_summary.md`
- `docs/archive/`：旧版本地整理说明、审阅记录、原始 handoff 文档的归档区
这意味着旧文档仍然保留，但已经不再承担主说明职责。新读者应当从根 README 和主文档开始，而不是从 archive 开始。
## 模型边界
- Qwen：只保留 adapter，不保留基础模型权重。
- BERT / RoBERTa：保留最终微调权重和必要 tokenizer / config。
- FastDetectGPT / Binoculars：保留算法脚本与结果文件，不保留所谓“detector checkpoint”，因为它们本质上不是额外训练出来的分类模型。
## 数据边界
仓库当前内置了研究最终保留的数据资产，但仍然有明确边界：
- 已包含：5 个可直接实验的数据集、人工原料、AI 生成文本原料、提示词资产。
- 未包含：公网 benchmark 的原始下载包本体，以及整套外部 benchmark 镜像。
## 这份仓库适合什么用途
- 作为 Hugging Face 上的完整研究资产仓。
- 作为模型、数据、结果和说明同步交付的 handoff 仓库。
- 作为后续继续做误差分析、短文本扩展、跨域对比的基座。
|