quick-research-campaign

做 ML 调参最头疼的往往不是“找不到好参数”，而是试了二十几组之后，发现 gate_type 的某个取值从头到尾没测过、rope_base 和它完全绑死、消融表写不出来。quick-research-campaign 把这件事变成一条流程：立靶 → 选仓库 → 对齐基线 → 最小改造 → 大规模调参 → 选优 → 配料表归因 → 出材料，每一步都有工具兜底，而不是凭记忆翻聊天记录。

它提供三个工具和一份技能手册。research_sweep_plan 把搜索空间展开成有界、去混杂的试验矩阵——网格装得下就枚举完整笛卡尔积，装不下就均匀采样而非固定步长截断，同时标出哪些取值从未被测、哪些参数对贡献分不开。research_sweep_record 把每次运行记成 ok / failed / pruned 并附指标，失败和剪枝的同样入册。research_sweep_report 按单指标排名，给出相对基线与 SOTA 靶子的差距、相邻名次的噪声判断、每个参数的边际效应、混杂检查，以及一份论文材料清单——没勾的项就是你方法章节还欠的东西。

适合正在做系统性调参、需要产出可复现消融表的研究者和工程师。它刻意不执行训练、不做调度、不建界面：账本是会话级进程状态，跑实验的是模型加 shell。你负责动手，它负责让你写得明白。