FAQ.md

@@ -34,45 +34,33 @@
 
 ## XPU-OJ、提交与排行榜
 
-<a id="q-moe-score-decrease"></a>
-
-### ❓ 问题 1：XPUOJ测评 MoE 耗时减少了但是分数反而降低了
-
-**回答：**
-
-针对近期部分同学反馈的“XPU.OJ”第三方评测系统中基线（baseline）不稳定的问题，我们高度重视，并已第一时间组织排查与测试。在此，我们对因此给大家带来的困扰深表歉意，也衷心感谢各位同学提出的宝贵意见。
-目前，相关问题已修复完毕。为确保评测的公平性与准确性，我们将对现有榜单进行清空处理。历史提交记录仍可查看，但后续排名将统一以基线修复后重新提交的算子成绩为准。
-
-比赛期间，我们将持续关注系统运行状态，也欢迎大家继续向我们反馈建议。
-祝大家比赛顺利，取得理想成绩！
-
 <a id="q-xpuoj-environment"></a>
 
-### ❓ 问题 2：XPU-OJ 与模力方舟的运行环境一致吗？
+### ❓ 问题 1：XPU-OJ 与模力方舟的运行环境一致吗？
 
 **回答：** 排行榜评测环境与模力方舟开发环境保持一致。版本调整时以 XPU-OJ 公告为准。
 
 <a id="q-xpuoj-account"></a>
 
-### ❓ 问题 3：如何申请 XPU-OJ 账号？
+### ❓ 问题 2：如何申请 XPU-OJ 账号？
 
 **回答：** 请按照[赛事 XPU-OJ 账号申领说明](赛事XPUOJ账号申领说明.md)提交申请。账号发放进度以赛事通知和回复邮件为准。
 
 <a id="q-official-ranking"></a>
 
-### ❓ 问题 4：赛题一 MoE 初赛排名以哪个入口为准？
+### ❓ 问题 3：赛题一 MoE 初赛排名以哪个入口为准？
 
 **回答：** 正式排名和初筛结果以 XPU-OJ 的评测结果为准。Sample benchmark 用于本地功能验证、调试和性能对比，不作为正式榜单依据。
 
 <a id="q-test-cases"></a>
 
-### ❓ 问题 5：MACA C++、Triton 和 TileLang 是否分别设榜？
+### ❓ 问题 4：MACA C++、Triton 和 TileLang 是否分别设榜？
 
 **回答：** 不按语言分别设榜。每个任务支持 MACA C++、Triton 和 TileLang，团队可以使用一种或多种语言提交。排行榜采用通过正确性和稳定性测试后的最高成绩。
 
 <a id="q-ranking-metric"></a>
 
-### ❓ 问题 6：排行榜使用 latency、speedup 还是综合 score？
+### ❓ 问题 5：排行榜使用 latency、speedup 还是综合 score？
 
 **回答：** 当前 XPU-OJ 以 speedup 作为核心排名指标。赛事方调整计算方式时，以 XPU-OJ 公告为准。
 

README.md

@@ -3,19 +3,6 @@
 ## 常用入口
 
 - [常见问题 FAQ](FAQ.md)
-- [沐曦通用GPU MXMACA编译器内建函数编程指南](https://developer.metax-tech.com/api/client/document/preview/1395/index.html)
-
-## XPU-OJ 基线修复及榜单调整通知
-
-针对近期部分同学反馈的“XPU.OJ”第三方评测系统中基线（baseline）不稳定的问题，我们高度重视，并已第一时间组织排查与测试。在此，我们对因此给大家带来的困扰深表歉意，也衷心感谢各位同学提出的宝贵意见。
-目前，相关问题已修复完毕。为确保评测的公平性与准确性，我们将对现有榜单进行清空处理。历史提交记录仍可查看，但后续排名将统一以基线修复后重新提交的算子成绩为准。
-
-比赛期间，我们将持续关注系统运行状态，也欢迎大家继续向我们反馈建议。
-祝大家比赛顺利，取得理想成绩！
-
-- XPU-OJ 地址：[https://xpuoj.com/](https://xpuoj.com/)
-- 账号申领说明：[赛事 XPU-OJ 账号申领说明](赛事XPUOJ账号申领说明.md)
-- 账号申领邮箱：`opensource@metax-tech.com`
 
 2026 年度中国青年科技创新「揭榜挂帅」擂台赛正式启幕。沐曦股份重磅发布两大 AI 算力硬核榜题，聚焦国产 GPU 大模型推理算子优化，以硬核赛事搭建科研攻关平台，邀全国青年学子、科研人才揭榜攻坚，用技术重构推理效率，用创新拉低每 Token 算力成本！
 
@@ -46,7 +33,7 @@
 
 ### 赛题二：基于 AI Agent 开发范式的国产 GPU 大模型推理算子库优化
 
-大模型推理具有高并发、长序列、高<EFBFBD><EFBFBD><EFBFBD>用频次等特点，FlashInfer、FlashAttention、Fused MoE 等核心算子直接决定模型服务的吞吐、延迟与显存开销，影响单 Token 综合推理成本。
+大模型推理具有高并发、长序列、高调用频次等特点，FlashInfer、FlashAttention、Fused MoE 等核心算子直接决定模型服务的吞吐、延迟与显存开销，影响单 Token 综合推理成本。
 
 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。