Add causal person fusion and MuVAP stage-3 baselines

literature_notes/02_egospeak.md

@@ -25,3 +25,10 @@ step（25.6 秒）、stride 4、2048D embedding、1024D hidden 和 10 个 future
 匿名人物轨迹之间共享，并用零门控残差修正 matched pooled Omni head。官方实现仍应作为
 单独的 sequence-GRU 强基线；逐人 track continuity 是否有效，需要 broken-ID/no-ID 控制
 而不能由架构名称推断。
+
+为控制逐人时序 stem 的实现差异，项目另提供
+`causal-person-adapter-egospeak-gru`。它仅采用 MiniROADA 的
+`Linear-LayerNorm-ReLU-Dropout-GRU-ReLU` 层序，仍处理逐人视觉 track，并保留 V2 的
+G+A query、人物集合注意力、动态 gate 和 pooled residual base。因此实验中必须称为
+**EgoSpeak-style per-track GRU**，不能称为 EgoSpeak/MiniROADA 复现。真正的官方
+sequence-GRU baseline 仍需单独实现全局 5 Hz 序列和 anticipation decoder。