diff --git a/SUMMARY.md b/SUMMARY.md
index 04b0b2c64..fe13a73eb 100644
--- a/SUMMARY.md
+++ b/SUMMARY.md
@@ -101,13 +101,14 @@
 
 ## 大实验参考文档
 
-* 大实验（文档正在编写中）
-  * [大实验简介](docs/contest/intro.md)
-  * [中端设计](docs/contest/midend/midend.md)
-    * [静态单赋值](docs/contest/midend/ssa.md)
-    * [复写传播](docs/contest/midend/rp.md)
-    * [常量传播](docs/contest/midend/cp.md)
-    * [死代码消除](docs/contest/midend/dce.md)
+* [大实验简介](docs/contest/intro.md)
+* [前端设计](docs/contest/frontend.md)
+* [中端设计](docs/contest/midend/midend.md)
+  * [静态单赋值](docs/contest/midend/ssa.md)
+  * [复写传播](docs/contest/midend/rp.md)
+  * [常量传播](docs/contest/midend/cp.md)
+  * [死代码消除](docs/contest/midend/dce.md)
+* [后端设计](docs/contest/backend.md)
 
 ## 参考资料
 
diff --git a/docs/contest/intro.md b/docs/contest/intro.md
index 2edb2addf..826455667 100644
--- a/docs/contest/intro.md
+++ b/docs/contest/intro.md
@@ -15,3 +15,29 @@
 
 ## 评分方法
 
+评分有两个选项：
+
+- 选项一 完成竞赛第二阶段的优化编译器，替代期末考试
+    
+    成绩占比 90%，剩余 10% 为书面作业和日常成绩。
+
+    你需要通过 stage 1 - 6 的所有测试样例以及附加测试的测试样例，这样你可以获得50%的正确性得分。剩下的40%的得分将根据你的编译器的性能进行评分。
+
+    性能评分方案：
+    附加测试中`performance`部分测试样例，以gcc打开`-O2`优化的性能的 60% 为满分，按照比例折算。如果一个程序gcc编译后运行时间为12s，如果你的程序执行时间为20s即为满分。
+
+    你的单个测试点的得分为：
+
+    $$
+    \min\{100, 100 * GCC编译程序运行时间 * 1.25/你的程序运行时间\}
+    $$
+
+    所有测试点取**几何平均值**，最后结果 * 40% 作为你的最终性能测试成绩。
+
+- 选项二 仅完成竞赛第一阶段（达到课程基础实验的要求）
+
+    实验部分占比与基础实验一致，你不需要完成思考题，但是需要简单介绍你的编译器是怎么完成每一个 step 的。根据通过测试样例情况评分。
+
+    - 完成 stage 1 - 5 实验成绩 35% ，书面作业和日常成绩10% ，期末成绩 55%。
+    - 完成 stage 1 - 6 实验成绩 42% ，书面作业和日常成绩10% ，期末成绩 48%。
+    - 完成 stage 1 - 7 实验成绩 50% ，书面作业和日常成绩10% ，期末成绩 40%。
\ No newline at end of file
diff --git a/docs/contest/midend/cp.md b/docs/contest/midend/cp.md
index 5967c7256..9aeb77911 100644
--- a/docs/contest/midend/cp.md
+++ b/docs/contest/midend/cp.md
@@ -1,36 +1 @@
 # 常量传播
-<!-- 
-## 原理
-
-常量传播的目的在于发掘代码中可能存在的常量，尽量用对常量的引用替代对虚拟寄存器的引用(虚拟寄存器和变量是同一个概念，以下都使用变量)，并尽量计算出可以计算的常量表达式。
-
-为了实现常量传播，类比于前两种数据流，不难想象常量传播的数据流是"可用常量分析"，找出在一条语句处有哪些对变量赋的常量值可以到达。每一条涉及到赋值的语句处，杀死之前与左端项相关的赋值，如果右端项为变量则生成对左端项的变量赋值；反之如果对左端项赋予了一个常量值或者常量表达式，则生成对左端项的常量赋值。
-
-形式化地，常量传播的值集是$R \rightarrow V$的函数的集合。其中$R$是变量，$V$是集合$变量的所有可能取值 \cup \{NAC, UNDEF\}$，它用来表示变量在一个程序点处的取值。其中$NAC$表示已知它的值不是一个常量；$UNDEF$表示不知道它的取值，出现$UNDEF$是因为这个程序点处这个变量尚未赋值。
-
-> 如果你觉得函数太抽象了，可以认为值集就是一个元素类型为$V$的数组，用变量的id为下标访问，实际上也是这么实现的。
-> 
-> 这个数据流和其他数据流有一个很大的区别：它的值集的大小是无限的。不过这并不影响数据流分析算法的收敛性，感兴趣的同学可以自己查阅相关的资料。
-
-单条语句的传递函数$f_S$定义为：设$m' = f_S(m)$（注意$m$和$m'$都属于值集，所以它们都是函数），对于语句$S$：
-
-- 如果$S$没有给任何变量赋值，则$m' = m$
-- 否则，设$S$对变量$x$赋值了（假设一条语句最多只能给一个变量赋值），则$m'(y) = m(y), \forall y \in R, y \ne x$，此外：
-  - 如果赋值的右端项是常数$c$，则$m'(x) = c$
-  - 如果赋值的右端项是表达式$y \oplus z$（$\oplus$是任意一个运算符，也不仅局限于两个运算数的情况，单目运算和复写语句都可以归于此类，规则是类似的）则：
-    - 如果$m(y)$和$m(z)$都是常数，则$m'(x) = m(y) \oplus m(z)$
-    - 如果$m(y)$和$m(z)$中有一个是$NAC$，则$m'(x) = NAC$
-    - 否则，$m'(x) = UNDEF$
-  - 否则，$m'(x) = NAC$，这里可能包括赋值的右端项是函数的返回值，是访存的结果之类的，在简单的优化器中都直接认为这些结果不是常数
-
-当两个基本块交汇的时候，对于每个变量，需要考虑以下几种情况：
-
-- 如果两个基本块末尾处它都是常量，且两个常量值相等，则交汇结果为这个常量
-- 如果一个基本块末尾处它是常量，另一个基本块结尾处它是$UNDEF$，则交汇结果为**这个常量**
-  - 一旦出现了这样的情形，可能意味着后续程序中有使用未赋初值就使用一个变量的行为，优化器可以依据"未赋初值的变量可以有任何取值"，认为这个取值就是另一个基本块的常量值，从而就回到了前一种情形
-- 如果两个基本块末尾处它都是$UNDEF$，则交汇结果为$UNDEF$
-- 否则，交汇结果为$NAC$ -->
-
-<!-- 这个交汇操作用格图表示如下： -->
-<!-- 
-![int_lattice](./pic/int_lattice.png) -->
diff --git a/docs/contest/midend/dce.md b/docs/contest/midend/dce.md
index 148c3c559..8a3e03a98 100644
--- a/docs/contest/midend/dce.md
+++ b/docs/contest/midend/dce.md
@@ -3,28 +3,6 @@
 死代码消除即无用代码消除，死代码和不可达代码是两个概念。前者指的是执行之后没有任何作用的代码（例如：多余的计算），后者指的是永远无法被执行到的代码。
 
 活跃变量分析为每个程序点计算出所有变量的集合的子集，用于表示该点处活跃的变量，所以数据流分析的值集为所有变量的集合的幂集。"活跃"的含义是在程序执行过这一点**之后**，这个变量**当前的值**会被使用到，所以数据流分析是后向的。对于单个语句$S$，传递函数要根据$S$之后活跃的变量计算$S$之前活跃的变量，计算方法为：所有$S$用到的变量在$S$之前都是活跃的，所有$S$之后活跃的变量，如果没有在$S$中被定值，证明未来的那次使用用的还是$S$之前的值，所以也是活跃的。
-<!-- 
-综合得，传递函数定义为：$f_S(x) = (x - def_S) \cup use_S$。其中 $def_S$ 是$S$中定值的所有变量的集合，$use_S$是$S$中使用的所有变量的集合。
-
-基本块$B$的传递函数定义为：
-
-$$
-f_B(x) = f_{S_1}(...f_{S_{n - 1}}(f_{S_n}(x))) \\
-= (((((x - def_{S_n}) \cup use_{S_n}) - def_{S_{n - 1}}) \cup use_{S_{n - 1}} ...) - def_{S_1}) \cup use_{S_1}\\
-\overset{\mathrm{数学归纳法}}{=} (x - \bigcup_{i = 1}^n def_{S_i}) \cup \bigcup_{i = 1}^n (use_{S_i} - \bigcup_{j = 1}^{i - 1} def_{S_j})
-$$
-
-最后一个等号使用数学归纳法来证明，读者自证不难。
-
-定义$def_B = \bigcup_{i = 1}^n def_{S_i}$，$use_B = \bigcup_{i = 1}^n (use_{S_i} - \bigcup_{j = 1}^{i - 1} def_{S_j})$，这样上面的式子就是大家熟悉的形式了。那么这个形式和课堂上定义的$LiveUse$和$Def$是一致的吗？
-
-![](pic/aliveness.png)
-
-先看$use_B$和$LiveUse$，$LiveUse$为$B$中定值之前被引用的变量的集合，而$use_B$定义中每一个求并项都是一条语句的$use$集合减去在这条语句前面的所有$def$集，也就是说如果一个变量在某条语句中被使用了，而且没有在这条语句之前的任何一条语句被定值，那么它属于$use_B$，此外都不属于。显然，这与$LiveUse$的定义是符合的。
-
-再看$def_B$和$Def$，其实很容易可以看出这两个集合并不相同，$def_B$包含了被定值的所有变量，而$Def$要求定值之前没有引用过，所以$Def \subseteq def_B$。然而这个区别不会影响任何计算结果：如果变量$x$满足$x \in def_B, x \notin Def$，则意味着它定值之前被引用过，则$x \in use_B, x \in LiveUse$，则它一定在这一步的结果集合中。
-
-> 所以，$Def$这样的定义是冗余的，只会加大计算$Def$时的计算量，使用$def_B$的定义就会简单一些，而且不会影响最终结果。 -->
 
 这里讲一下几个常见的需要注意的点：