Refine targeted methods and freeze section structure

AGENTS.md

@@ -62,6 +62,30 @@ EasyCom 遵循官方 Sessions 4--12/1--3 划分；十个 0.2--2.0 秒 horizon
 raw onset/offset、局部音视频和 oracle/时序消融应区分实测、历史非匹配 screen、
 仅用于分析的 privileged oracle 与待测方案。raw endpoint AP 不等同语义 EOT/INT。
 
+## Targeted manuscript 的 Method 固定结构
+
+Method 按以下三个小节展开，除非用户明确要求，不再改变这个组织顺序；具体特征和
+训练状态以代码、结果记录与 [`manuscript/targeted/main.tex`](manuscript/targeted/main.tex)
+为准。
+
+1. **Task and Global--Local Fusion。** 定义 5 Hz 因果截止点、十个未来 horizon 和
+   background/wearer/others 输出；说明 Thinker 全局状态本身已含音视频，再定义 SWE
+   的近期音频及可选视觉旁路。区分 pooled 特征的拼接聚合与 F2/F3 保留视觉 token 的
+   query attention。训练范围分开写：主方案只训练 readout/局部分支/预测头；Thinker
+   LoRA、限制在上层的 LoRA、预测头冻结或联合训练是参数适配控制。最后四层
+   **readout** 与 LoRA 更新哪些层是两个独立维度。已归档 LoRA 结果为非匹配探索，
+   不能写成层数消融或优劣定论。
+2. **Causal Partial-Tail Refresh。** 完成块进入持久历史；每个 200 ms 截止点只临时查询
+   当前 2 秒块已观测的前缀，尾块不提交、不中途引入未来媒体。与 completed-only
+   在同一截止点和上下文上限下配对比较；未完成实验前只称因果访问规则。
+3. **Short-Window Feature Extraction。** 默认局部音频为截止点前一秒混合波形经冻结
+   Qwen 音频编码器；EgoSpeak 式 wav2vec2 卷积编码是待做的同窗口、同预测头对照，
+   不能冒充已测 G+A。视觉区分最近单帧、最近一秒多帧人物框 pooled 特征、无框的
+   F2 最新全画面空间 token，以及 F3 同网格位置两帧 token 经共享 GRU 后注意力聚合。
+   另列一种特殊的短窗信息审计：由转写标注生成、仅含截止点之前的可见非 wearer
+   活动历史，比较逐人、打乱、延迟和 OR 聚合等形式。它不是部署时可获得的视觉特征，
+   也不是性能上界。F3 不是人物跟踪，F3--F2 差异也不能单独归因于运动理解。
+
 ## 不可破坏的研究契约
 
 - 严格因果：任何输入音频、视频帧、人物框或归一化统计不得来自预测截止时间之后。