feat: add person fusion screening variants

docs/local_feature_baseline.md

@@ -195,6 +195,40 @@ F1 用融合后的 G 和直接局部音频 A 构造一个 query，读取当前
 正式比较需要重新训练同 split、seed 和优化设置的 pooled AV 对照，不能直接把不同开发
 协议的旧 checkpoint 当作唯一基线。
 
+## 5. F5/F6 screening variants
+
+当前 local sidecar 没有 F3/F4 所需的逐 track 人物历史，预计算的 `states` 也已经位于
+Thinker readout 之后。因此下面两项是用于快速筛选的旁路实验，不是路线文档中完整的
+F5/F6：
+
+- `audio-person-frame-set`：在 F1 前增加一个 audio-only query 对当前人物集合的读取，
+  通过零初始化标量 gate 加到 G+A floor query；初始函数与 F1 相同。这是 F5 的
+  current-frame screening，不含 person-conditioned 5 Hz audio/Omni history。
+- `gated-person-state-adapter`：F1 先选择当前人物证据，再通过零初始化标量 gate 将
+  residual 加到最终 frozen Thinker state。它位于 Thinker **之后**，只能叫 F6 screening，
+  不能叫 Thinker internal adapter 或 end-to-end Omni adaptation。
+
+两项都继续使用当前 `persons`、audio、5 Hz cutoff 和 NULL-person 合约，无需重新提取
+局部特征。训练会逐 epoch 打印 `person_gates`，checkpoint/metrics 会记录明确的
+`local_fusion_scope`。运行入口：
+
+```bash
+export FEATURE_ROOT=/data1/yfzx/wangx/Datasets/easycom/omni_features/open_stream_2fps_8s_last4_stack
+export TARGET_ROOT=/data1/yfzx/wangx/Datasets/easycom/easycom_target_frame
+export LOCAL_ROOT=/data1/yfzx/wangx/Datasets/easycom/omni_features/local_qwen_1s_encoded_tf4576
+
+# F1、F5 screening、F6 screening；每项 seed 0/1/2，前台顺序执行。
+CUDA_VISIBLE_DEVICES=0 bash run_easycom_person_fusion_screening.sh all 0 1 2
+
+# 也可把互不重复的 variant/seed 分配到不同 GPU。
+SUMMARIZE=0 CUDA_VISIBLE_DEVICES=1 bash run_easycom_person_fusion_screening.sh f5-screen 0
+```
+
+脚本固定 Session 4--11 训练、Session 12 开发选 checkpoint，并输出 Session 1--3 的
+exploratory dense mAP 与 `pred/valid`。事件协议冻结前，不能按现有 timing proxy 选择这些
+模块；完整 F5 仍需 causal person history，完整 F6 仍需进入 Thinker 上层并与 LoRA 控制
+比较。
+
 ## Ego4D 接口
 
 完整命令见 [Ego4D 四组局部增强实验](ego4d_local_baselines.md)：新增 manifest 批量提取、

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