update model version

README.md

@@ -39,7 +39,7 @@ python3 -m venv .venv
 ```bash
 .venv/bin/python -m cbpred train \
   --data-dir data \
-  --artifact-dir artifacts_signed
+  --artifact-dir artifacts/v1
 ```
 
 默认保留所有连续样本，把当前 ATR 在过去 200 根 8H K 线中的排名作为特征；可以通过 `--volatility-rank-threshold 0.80` 或 `0.90` 做高波动样本对照实验。训练阶段会把数据集行数、过滤前后数量、阶段和候选模型进度输出到 stderr。
@@ -47,16 +47,16 @@ python3 -m venv .venv
 一条命令完成准备和训练：
 
 ```bash
-.venv/bin/python -m cbpred run --out-dir data --artifact-dir artifacts_signed
+.venv/bin/python -m cbpred run --out-dir data --artifact-dir artifacts/v1
 ```
 
-输出在 `artifacts_signed/report.md`、`artifacts_signed/report.json` 和 `artifacts_signed/model.joblib`。报告会列出三轮特征的验证表现、最终模型和测试集 MAE/RMSE、q80 覆盖率、q20 下界未跌破率。
+输出在 `artifacts/v1/report.md`、`artifacts/v1/report.json` 和 `artifacts/v1/model.joblib`。当前 `v1` 是最终特征复核中保留的 `compact6` 模型。
 
 对某个已导出的 8H CSV 预测任意锚点：
 
 ```bash
 .venv/bin/python -m cbpred predict \
-  --artifact artifacts_signed/model.joblib \
+  --artifact artifacts/v1/model.joblib \
   --csv data/raw/123_BTC_USDT_USDT.csv \
   --at 2026010100000000
 ```