feat: add person fusion screening variants

docs/progressive_feature_fusion_route_2026-09-02.md

@@ -22,8 +22,10 @@
 才实施。
 
 实现状态（2026-09-02）：F1 的 loader、head、train/infer 路径和回归测试已经加入代码，
-但尚未在远程 PyTorch/L20 环境完成 runtime smoke，不能写成已验证结果。F2--F6 和 D1
-仍然只是计划。
+但尚未在远程 PyTorch/L20 环境完成 runtime smoke，不能写成已验证结果。另加入两个仅用
+当前 sidecar 的 F5/F6 **screening** 模式：`audio-person-frame-set` 和
+`gated-person-state-adapter`。前者没有 F4 人物历史，后者位于 Thinker readout 之后；二者
+都不能写成完整 F5/F6。F2--F4、真正的 F5/F6 和 D1 仍然只是计划。
 
 ## 2. 不可改变的实验条件
 
@@ -214,6 +216,10 @@ G+A floor query 读取。
 F5 可增加一次 audio query 到人物 memory 的反向读取，形成单块双向 interaction。必须和
 参数匹配 MLP、单向 F4、modality dropout 做比较。若收益不稳定，保留 F4。
 
+代码中的 `audio-person-frame-set` 只用当前帧人物集合和当前 pooled audio 做上述反向读取，
+并以零初始化 gate 从 F1 开始优化。它用于判断是否值得继续构建 F3/F4 历史，不满足本节
+完整 F5 的输入和对照要求。
+
 F6 才把验证过的人物 memory 通过零初始化 gate 接入 Thinker 上层，并比较：
 
 - 无人物 memory 的参数匹配 Thinker LoRA；
@@ -222,6 +228,10 @@ F6 才把验证过的人物 memory 通过零初始化 gate 接入 Thinker 上层
 
 若 F6 不优于旁路，不为追求端到端表述牺牲可解释性，论文采用更简单的旁路模型。
 
+代码中的 `gated-person-state-adapter` 把当前人物 context 以零初始化 residual 加到已经保存
+的最终 Thinker state，只是 post-Thinker screening control。真正 F6 必须重新运行 Omni、
+在指定上层 transformer block 内注入 memory，并和参数匹配 LoRA 比较。
+
 ## 10. D1：实际在线检测与追踪
 
 方法验证阶段先使用数据集提供的 bbox/track，隔离融合能力。最终再替换为在线人脸或人物