readme赛题二说明更新

README.md

@@ -29,9 +29,17 @@
 
 大模型推理高并发、长序列、高调用频次的特性，让 FlashInfer、FlashAttention、Fused MOE 等核心算子，直接决定吞吐、延迟与显存开销，左右每 Token 综合成本。
 
-本赛题打破传统人工调优模式，立足AI Agent 开发新范式，面向沐曦国产 GPU 及 MXMACA 软件栈，支持参赛团队构建 / 使用 AI Agent，完成算子迁移、代码理解、性能分析、Kernel 自动优化、Benchmark 迭代全流程。
+本赛题面向沐曦国产 GPU 及 MXMACA 软件栈，鼓励参赛团队构建或使用 AI Agent / Skill 工作流，围绕推理算子库开展代码理解、算子迁移、性能分析、Kernel 优化、自动调优、Benchmark 验证和多轮迭代，探索“Agent 驱动算子优化”的新型开发范式。
 
-从底层算子发力，提速推理、节省显存、拉高 GPU 利用率，从根源压缩每 Token 推理成本，筑牢国产 GPU 推理生态壁垒。
+参赛作品应体现 AI Agent 在底层算子优化过程中的实际参与能力，而不是仅停留在概念说明、文档生成或简单代码补全层面。参赛团队需要理解大模型推理算子库的计算逻辑、国产 GPU / MXMACA 软件栈的开发方法，以及 AI Agent / Skill 优化工作流，在保证正确性、稳定性和可复现性的前提下，提升相关算子或端到端推理链路在国产 GPU 上的执行性能。
+
+参赛选手可围绕以下推理算子库或核心算子，选择一类或多类任务开展优化工作：
+
+- **FlashInfer 关键算子迁移与优化**：面向 Prefill、Decode、Paged KV Cache、MLA Attention 等推理场景，完成 MACA 平台适配与性能优化；
+- **FlashAttention 关键算子迁移与优化**：围绕 `flash_attn_with_kvcache` 等核心接口，提升长序列场景下的 Attention 计算性能；
+- **MCTLASS / Fused MoE 算子优化**：聚焦 MoE 模型中的稀疏专家计算，优化 Fused MoE 算子的执行效率；
+
+最终成果应包括可复现的源码、测试框架、性能测试脚本、性能报告、Agent / Skill 工作流，以及对应的文档和展示材料。评审将重点考察性能提升效果、Agent / Skill 工作流的可复现性，以及文档说明与演示报告的完整性。
 
 **赛题二相关资料**