大整理: 仓库重组 + 新词表 + 新README

- 清理仓库: 删除所有废弃的generate_*脚本和旧版数据文件
- 目录重组:
  - data/       → 训练数据
  - scripts/    → 数据生成脚本
  - templates/  → Web UI
- 重命名:
  - train_v2.py  → train.py
  - vocab_v3.json → vocab.json (BPE, 6.8k tokens)
- 更新 train.py 指向新词表路径
- 重写 README.md 完整文档
- 更新 .gitignore

.gitignore

@@ -2,54 +2,26 @@
 __pycache__/
 *.pyc
 *.log
-# 模型文件 — 只追踪发布版本
-*.pth
-!/llm_model_v2_resume_epoch_7.pth
 /tmp/
 
-# 中间数据（旧版临时文件）
-mega_interim_*.json
-essay_interim_*.json
-checkpoints_v2/
+# 模型权重 — 只追踪发布版本
+*.pth
+!/llm_model_v2_resume_epoch_7.pth
+
+# 中间输出目录（生成脚本的输出）
 high_temp_outputs/
 diverse_answers/
 fresh_qa_outputs/
 multiturn_outputs/
+checkpoints_v2/
 old_ckpts/
 backup_old_arch/
 
-# 旧版数据（不再使用）
-xiaoli_mega_*.json
-xiaoli_multiturn_memory*.json
-xiaoli_offline_distill*.json
-xiaoli_personality*.json
-xiaoli_safety*.json
-xiaoli_sassy*.json
-xiaoli_short_cot*.json
-xiaoli_cot*.json
-xiaoli_distill*.json
-xiaoli_diverse*.json
-xiaoli_drowning*.json
-xiaoli_english*.json
-xiaoli_final*.json
-xiaoli_girl*.json
-xiaoli_knowledge*.json
-xiaoli_math*.json
-xiaoli_merged_data.json
-xiaoli_body*.json
-xiaoli_child*.json
-xiaoli_cute*.json
-xiaoli_complete*.json
-xiaoli_data_optimized*.json
-xiaoli_riddle*.json
-xiaoli_final*.json
-
-# 测试输出
-test_*.json
-test_*.py
-/var/folders
-
-# 旧版配置文件
+# 旧版废弃数据
+xiaoli_*.json
+mega_interim_*.json
+essay_interim_*.json
+distill_*.json
 cot_*.json
 memory_long*.json
 multiturn_batch_*.json
@@ -60,7 +32,16 @@ essay_questions*.json
 cot_candidates*.json
 model_test_results*.json
 online_distill_report*.json
+
+# 测试/临时文件
+test_*.json
+test_*.py
+/var/folders
+
+# 日志
 batch_runner*.log
 mega_*.log
 mimo_*.log
-knowledge_*.log
+knowledge_*.log
+train_*.log
+web_server*.log