决策记录 decisions.tsv
仓库里的拍板记录，新的在上。原文件 notes/changelogs/decisions.tsv（TSV）。
| 日期 | 主题 | 决定 |
|---|---|---|
| 2026-10-03 | 官方 KG 在 run 内可用（第 8 问由官网自身回答） | 官网 /kg 页写明比赛 agent 推理时可只读查询 KG；限制只在保留阶段 / 条件的实测数据（Data 页通则）。做法：run 内 Researcher 经宿主端按任务过滤的 KG 工具查询（答案取自已审索引，实时 API 在 run 外发现新知识、审核后进下一版）；自动审核只 reject / hold，测量型新边人工批准；本体层无阶段边可自动接受。作为单独一项改动从下一环起启用（不与今晚 T1 第一环的跨环改动同批）理由与否决的方案用户（"官方的KG可以直接用"）+ 官网核对 否决： 裁定： · 文档： |
| 2026-10-03 | 额度用尽的处理 | 各模型都是套餐，不设预警阈值；任何额度一旦耗尽（回退链也用尽）就：立刻发邮件、run 进入"额度暂停"——不再派新节点，在飞的执行照常完成，保存状态（PAUSED_QUOTA.json：哪个额度、时间、在飞与待续的节点），定时用便宜探针检测额度是否恢复（用户更新 API 后），恢复即自动续跑；暂停期间 run 的截止照常计时，到点未完成的工作按跨环续做带到下一环。只换密钥/端点、模型不变属于凭据更新，不改锁；换模型需开新环理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 邮件节奏 | 节点邮件：启动 / 停止 run（harness 启动钩子自动发）、run 结束分数总结（打包后自动发）、提交与官网分、合入改动、回退、暂停、需人决定；日常健康汇报改为每 3 小时（Spark 定时器 00/3）。邮件都从 Spark 的 vec-notify 发理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 跨 run 索引库（G57） | 建派生、可重建的 SQLite 索引（data/index/vec_index.sqlite，不进 git），汇总各 run archive 与台账；教训表、校准表、单 run 总结、外层循环查询都从它生成；run 内 agent 不直接查库，仍只读进锁的 lessons markdown。排在当前修复之后，B 级改动，新旧输出须一致理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 官网分项分数（Per-metric skill）的用法 | 三层：(1) run 外（外层循环 / 人）可用：同一程序本地分项 vs 官网分项，校准本地尺子、调整本地目标组成；(2) run 内教训表只给方法族级、定性的分项短板（不给数值、不给单次提交的分项）；(3) 永不：同一分项跨提交做差或拟合求目标参数、程序读取官网分项、把 scale_log_ratio 等直接对应单个目标量的分项写给 agent。尺度扫描只能按总分在预登记点中选，不得用分项插值新尺度（规则 §10）理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 自主外层循环（G56） | 以后由虚拟机上的 Claude Code 无人值守推进：run 结束 → run 外审计 → 单 run 总结 → 根因追查 → 跨 run 比较 → 改进（A/B/C 级自动，C 级须 Codex 审阅无 P0；D 级禁区等人）→ 提交（P2 每榜每天自动 ≤3；P3 正式提交等人）→ 下一环 → 邮件。先空跑一天再开启。设计 notes/architecture/19_outer_loop_autonomy.md理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | GSE156001（Gata4 带标签等位基因 bioChIP / ATAC） | 暂不使用：规则 §10 把同一基因的其他等位基因按保留条件对待；加入给主办方的问题清单（11_data_use_scope §4），得到答复前留在隔离区，不挂进任何视图理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 外部数据下载路径 | 下载慢的来源（figshare 等，Spark 直连受限）改在 Mac 上下载，落到 Mac 上的仓库 data/external/<id>/，再按 sync 同步到 Spark；NCBI 等 Spark 能快速访问的仍在 Spark 下载。虚拟机磁盘不落数据。今天经虚拟机中转写进 Spark 的 GSE197353 E9.0 接受（未在 VM 落盘）理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | T1 链启动时机 | Codex 实现审阅（notes/reports/reviews/2026-10-03_codex_g45_impl.md）发现 4 个 P0 + 护栏 seed 指纹问题；T1 24 h 链等这些修复与三环回归通过后再启动，不做"第一环关闭续做"的折中理由与否决的方案用户 否决： 裁定： · 文档： |
| 2026-10-03 | 允许官网分以方法族相对差的形式进入 run 内的教训表 | 每个榜一份 agent/prompts/lessons_<榜>.md（由 python -m agent.meta.lessons 从已结束 run 的 archive 与 submissions.tsv 生成），按方法族列：试过次数、机制是否生效、本地最好 3 seed 差、失败计数、Analyst 教训，以及该族被提交程序相对我们 copy_last 的官网差（T1 参照 46.9；无 copy_last 官网行的榜用已交官网分的中位数），并列出本地差 vs 官网差、当前官网冠军的祖先链与对照。附给 Researcher 与 Analyst，不给 Engineer；G44 apply 流程把重新生成列为白名单动作，每环 `python -m agent.meta all <run>` 后自动重建。不给分项、逐基因、逐细胞信息，不写保留阶段取值；check_knowledge 照扫理由与否决的方案官网规则 §10：分数可以用来选择预测，不能用来反推目标性质；“trying a parameter, seeing how it scores, and trying another is ordinary leaderboard work”。方法族级相对差只用于在族间分配精力 否决：继续“官方分不写进 run 的任何输入”：太保守，研究者看不到哪类方法在官网上兑现，本地尺子高估的族会被反复重投 裁定：用户（2026-10-03） · 文档：agent/meta/lessons.py；notes/reports/dev/2026-10-03_lessons_table.md；notes/competition/12_p3_protocol.md §4 |
| 2026-10-03 | Spark 禁窗数据落盘规则改写：下载不违规、使用才违规；外部数据可下载到 Spark 隔离区 data/external/_quarantine/<qid>/，第一步按本任务禁窗删样本 / 细胞（data.post_filter 默认 true），原始下载随即删除，只挂删窗后经 Compliance 放行的派生文件 | GEO _RAW.tar 与多阶段 h5ad 无法在元数据阶段拆开，按 10-02 字面规则只能整包不下；用户定稿的 Data agent 流程是“下载 → 隔离区 → 删窗”理由与否决的方案notes/architecture/15_data_agent_compliance.md §4；data/external/SPARK_EXCLUDE；notes/competition/11_data_use_scope.md §3 否决：维持 2026-10-02“任务禁窗的数据不得落到 Spark”（等价于 data.post_filter: false） 裁定：用户（2026-10-03 grilling Q9、Q18） · 文档：G52 集成（notes/reports/dev/2026-10-03_integration.md） |
| 2026-10-03 | 外部数据全要，Data Scout 在 Spark 下载到隔离区、删窗后由 VM 上的 Opus 判定并自动挂载：GSE278603（只留 E8.0 两个胚胎，E7.5 / E7.75 四个下载后立即删）、Qiu E8.0–8.5（X7）、GSE208162 + GSE156001（仅限 T3）、GSE197353 E9.0；抽样实验不交官网验证 | 数据侦察第一轮；禁窗按任务判定；下载不违规使用才违规理由与否决的方案notes/research/data_scout_2026-10-03.md 否决：只产清单不下载；挂载前人点一次 裁定：用户（grilling Q6、Q9、Q18） · 文档：G46 |
| 2026-10-03 | 用量与花费只统计不设限：看板加“用量与花费”页（按模型 / run / 日的 token 与折算费用）；邮件通知 747937110@qq.com：每 2 h 健康汇报、每条 run 终选结果与分项、任一额度（Token Plan / Opus / ChatGPT）耗尽即时告警；提交由 Claude Code 在 VM 用 Playwright 上传并读回分数自动入账，选哪个 run 提交仍由人点一次 | 用户要求理由与否决的方案— 否决：设日上限；人工填分 裁定：用户（grilling Q25、Q26、Q29） · 文档：G51 用量与邮件；G13 提交自动化 |
| 2026-10-03 | Engineer 不设固定时限：健康即继续（180 s 无动作计一次停顿，3 次终止），只受 run 截止约束；GPU 训练的 draft 先小样本再全量 | 最近 5 个 run 仅约 20% 节点用 GPU，全是 OT / CFM / VAE draft，正是 30 min 内写不完被判超时的那些理由与否决的方案Spark engineer.jsonl 统计 否决：improve 45 / draft 60 / debug 20 固定时长 裁定：用户（grilling Q32） · 文档：G39.4 改写 |
| 2026-10-03 | 两级合规审计：run 内 Compliance（每节点）+ Reviewer（前 10% 源码）；run 外轨迹审计 agent（Opus 经中继）扫全部轨迹、代码、数据披露，作 prepare_submission 的门，疑似泄漏阻止进队列待人放行 | 区分 run 内与 run 外；只记录和拦截不改代码理由与否决的方案— 否决：只出报告不阻止；合进 G44 裁定：用户（grilling Q19、Q27） · 文档：G50 轨迹审计 |
| 2026-10-03 | 外层循环全自动：G44 分析 agent（Opus 经中继）每 run 结束出 findings / proposals，白名单内改动（提示词、方法卡、知识表、方向库、种子取舍、搜索参数、draft 顺序、run 链接续）改前过合规审查、自动应用并开下一环、记 decisions.tsv；黑名单（评分器与尺子、视图与禁窗规则、合规检查器、锁与账本、提交流程、预算上限、ERA 核心、官网规则）须人批准 | 用户要求 agent 自主运行、优化、分析轨迹；规则 §9 锁与锁之间由 agent 改配置不违规；撤销 2026-09-30“取消自动化第二层”的决定理由与否决的方案rules.md §9 否决：分级（第一周人批提示词改动）；维持人工拍板 裁定：用户（grilling Q13、Q15、Q24） · 文档：G44、G45 |
| 2026-10-03 | 强模型：VM 上的 LLM 中继持 Anthropic 凭据，Spark 经反向隧道调用，Spark 不存 Anthropic / OpenAI 凭据；draft 节点用 Opus，其余千问；回退链 Token Plan 千问 → 百炼按量千问 → Opus；Astra / Codex 只在 VM 小试；每次调用记 token 与轨迹对账 | Spark 能直连 api.anthropic.com 但连不上 OpenAI；用户要求所有 Claude / Codex 流量与凭据只在 VM；harness 无回退逻辑理由与否决的方案本次 curl 测试 否决：Spark 直接登录 Opus；只做网络隧道凭据留 Spark；全部换强模型；统一千问（会议建议） 裁定：用户（grilling Q5、Q11、Q20、Q22） · 文档：G42.5、新任务 G49 中继与回退 |
| 2026-10-03 | Researcher 开 lit-search 与 vec-data search，PLAN 写 data_requests；新增 Compliance 角色（正则 + 单轮 LLM）审 PLAN、检索文本、数据元数据，测量值删句标记，整段违规退回重写一次；新增 Data agent（多轮）执行 fetch → 隔离区 → 删窗 → 哈希 → catalog → 挂 external/dynamic/，数据永久存 data/external/ 跨 run 复用；节点记数据纪元；首批放行 GEO、CELLxGENE、figshare、CNGB；不设下载额度 | run 内角色之间此前没有合规检查环节；抓数据工具在锁内即不算人干预；中途挂载由 agent 自己完成，不违反 §9理由与否决的方案rules.md §9、§10 否决：Researcher 自己 fetch；不加 Data 角色（省会话）；不检查靠 Reviewer 兜底；接受一天延迟不中途挂载 裁定：用户（grilling Q17、Q21、Q23、Q28） · 文档：G46 → 改为 run 内 Data agent + run 外 Scout 模式 |
| 2026-10-03 | 知识口径按官网规则：允许带 DOI 的教科书发育事件顺序与细胞状态标记程序；仍禁保留阶段数据集的测量值（比例、表达量、类型清单、调色板）；修 11 号文 §2、方向库、Researcher / Reviewer 任务书、check_knowledge；恢复 k048–k060 的顺序行；复审 k057 / k059（k061 继续排除）；新增 T1 发育事件表作固定附件 | 官网只禁实测数据；T1 难点是新状态出现而本地尺子新类型占比 0；10-03 用户“按官网要求就好”；本地规则与官网不一致时以官网为准，不过度解读，也不泄漏理由与否决的方案rules.md §10；G39-G43 计划 §0.2 否决：维持现状；只允许顺序不允许标记程序 裁定：用户（grilling Q4、Q10、Q24） · 文档：G42.2 |
| 2026-10-03 | T3 方法卡 v2 主线改为真实 Mab21l2 KO 细胞混入 WT E8.75 + celltype^β 压缩 + WT 稀释；self_zero 降为部件；每天 3 个 agent 模式 run 全交；提交披露输出含训练 KO 真实细胞 | 公开日志该路线 66.6，位移迁移 / 文献先验 / 逐基因编辑全失败；与 T3 校准（lgo875 唯一排对 3 个官网点）一致；Mab21l2 KO 是官方训练数据理由与否决的方案notes/reports/dev/2026-10-03_ruler_calibration_t2extrap_t3.md 否决：只写进方向库；先问组委会 裁定：用户（grilling Q3、Q12） · 文档：G41 |
| 2026-10-03 | 心脏外推用官网配额预注册扫坐标 RMS 缩放因子：3 个锁定 run，log s 取 0.15 / 0.30 / 0.45，护栏改为 proxy_noscale 非劣（LCB > −1），三份都交 | 公开 Human 日志：改形态 14 族全部 ≤ 52，scale_only 54.5 且尺寸项满分；本地 proxy_noscale 测不到尺度；规则 §10 允许试参数看分理由与否决的方案github wqty123/virtual-embryo-challenge-methods；rules.md §10 否决：agent 在一个 run 内自己扫（终选只能交一份）；等 10-20 三点拟合 裁定：用户（grilling Q8） · 文档：G40.3 |
| 2026-10-03 | T2 算力重排：心脏插值不再开新 run；四个任务（T1、T2 全胚插值、T2 心脏外推、T3）各一条 12 h run 链，每 run 并发 2、memory_max 32G，T3 用 agent 模式 | 官网任务页：决赛 T2 只计全胚插值（E7.75）+ 心脏外推（E12.5）；A 在 3 h 内从 58.6 爬到 63.2，12 h 够一条链理由与否决的方案tasks.md 官网快照 否决：心脏插值当试验田继续跑；4.5 h run 每天两环；四个 run 各 48G 靠准入排队 裁定：用户（grilling Q2、Q7） · 文档：G40、G45 |
| 2026-10-03 | tune 默认关闭（tune.p 0）；工程仍叫 D；做 G39 八处搜索循环修正 | 全部 D 组 run 40 个 tune 节点仅 1 个被接受（r2-D-s1 #16 +0.8）；D 冠军祖先链无 tune；T2 D run 里 tune 占约 1/4 节点槽；去重 / 备选机制 / draft 时限 / 查分规则 / 相同代码树不执行 / --ablate 对照 / 删 B、C 默认入口理由与否决的方案轨迹报告 abcd_screen_trajectories_2026-10-03；Spark 全部 D run 的 archive 否决：保留 tune；改造版 tune（证据只有 2 个负样本）；全删 tune 代码 裁定：用户（2026-10-03 grilling Q1） · 文档：notes/plan/tasks/G39-G43_plan_2026-10-03.md §1 |
| 2026-10-03 | 工程定为 D（ERA + tune）；B、C 停止投入 | 同时跑、只差 tune 的三次对照 D 全胜：T1 53.4 vs 52.0、T2 心脏插值 63.9 vs 61.1、全胚插值 61.7 vs 59.9；B 49.5、C 47.8 不如 A。D 是 A 的超集（tune.p=0 即 A），选 D 无损。每榜一次、差 1.4–2.8 分，证据中等；以后不再常规跑 A 对照，需要时偶尔加一组。例外：T3 仍用 agent 模式（无可靠本地尺子，树搜索选不了节点）；Codex Engineer 暂不支持 tune理由与否决的方案后续各轮官网分 否决：继续 A/D 双臂 裁定：用户确认（2026-10-03） · 文档：notes/changelogs/submissions.tsv |
| 2026-10-03 | 空闲资源再开三件：T2 插值 D 第三次重复（search_seed 2，用整合后的 harness：分项反馈 + T2 打分简报）；VM 上换模型小试 2（Qwen 对 Astra，round-2 T1 设置但 tune 关闭，因 Codex Engineer 不支持 tune；4 h、Engineer 45 min，moscot 已装） | 用户：先继续做后面的（官网登录过期，T2 两份第二组 D 待登录后提交）理由与否决的方案T2 新官网分；两组模型的机制完成率与官网分 否决：— 裁定：用户（2026-10-03） · 文档：agent/configs/experiments/model_test/ |
| 2026-10-03 | 下一轮 T1 开跑（不等泄漏修复）；口径以官网规则为准 | 用户：“不要过于谨慎，根据官网要求就好”。09:34 启动 t1_round2/D（search_seed 0）与 D_s1（search_seed 1），代码 master 659a312：目标 proxy10×1 + X3×2，护栏 objective 在新 seed 3–7 上单侧下界 > 0，起点 copy_last + ot_moscot + composition_trend，tune p 0.25，分项反馈 + T1 打分规则简报，4.5 h、并发 2。已知 proxy10 部分对 composition_trend 一系偏乐观（类型级文字泄漏、在旧 proxy 上调参），不违反官网规则；泄漏修复只做让尺子失效的（T2 外推尺寸项）和触及官网规则的，结果用于后续轮次理由与否决的方案两份官网分 否决：等修复后再开 裁定：用户（2026-10-03） · 文档：agent/configs/experiments/t1_round2/ |
| 2026-10-03 | 停掉 T2 外推 D 组（20261003-070222），修本地尺子泄漏并全面排查 | T2 心脏外推的 proxy（E8.25+E8.75→E9.5）被泄漏：方向库/方法卡列出了 E9.5 的尺寸和细胞数，程序用由此算出的生长常数 0.58/天放大坐标，proxy 尺寸项白拿 +4（官网 49.6，无收益）。D 组 proxy 54.0 与此一致，继续跑没有信息量。修复：提示词里不给 proxy 目标阶段的统计量；外推榜目标改为去掉尺寸项的 proxy；加审计（提示词/知识库不得含 proxy 目标阶段统计，程序不得含由其算出的常数）；同时排查 T1、T2 插值、T3 的同类问题；T3 方法卡删掉官方 baseline 42.5；T3 加非零比例护栏、打分服务里 Mab21l2 proxy 改名。下一轮 T1 等排查结论再开理由与否决的方案排查报告 否决：— 裁定：用户（2026-10-03） · 文档：notes/reports/dev/2026-10-03_ruler_calibration_t2extrap_t3.md |
| 2026-10-03 | T2 插值榜 A 对 D：D 两个榜都更高（心脏插值 63.9 vs 61.1，全胚插值 61.7 vs 59.9） | G24 完整 run（4 h，目标为本榜 proxy，护栏 margin 1），A、D 同时跑，只差 tune。连同 T1 初筛（D 53.4 vs A 52.0），三个榜 D 都高 1.4–2.8 分。主线 D 的证据加强（仍是每榜单次）理由与否决的方案下一轮 D 否决：— 裁定：（数据） · 文档：notes/changelogs/submissions.tsv |
| 2026-10-03 | 初筛官网结果：D 53.4、A 52.0、B 49.5、C 47.8（照抄 46.9）；主线定为 D（ERA + tune） | 四组同一冻结设置（目标 X3、新 seed 上 X3 增益护栏、起点照抄 + ot_moscot）。本地 X3 与官网排序一致（D 61.9→53.4、A 63.0→52.0、B 60.5→49.5、C 50.8→47.8）；A、D 冠军是同一类程序（类型级 PCA 位移 + 协方差/形状），D 多了调参。判据“D 不低于 A”满足。单次比较，差 1.4 分不作定论，但无反证。B、C 不再单独投入理由与否决的方案下一轮 D 的官网分 否决：A 为主线 裁定：用户预设判据（2026-10-02） · 文档：notes/changelogs/submissions.tsv |
| 2026-10-02 | 下一轮 T1：让 Agent 按官网的给分点优化（今晚就开始准备） | 1) 尺子按官网账本校准：每份已交 T1 预测在 proxy、proxy10、proxy2、X1、X3–X6 上与照抄配对打分，看哪把尺子与官网涨跌一致，选为下一轮目标与护栏（报告 notes/reports/dev/2026-10-03_ruler_calibration_official.md）。2) 把官网四项打分规则写进角色提示词，Agent 自测时显示四项分项分，而不只是总分。3) 方向库主推“组成变化与型内程序分开预测（带收缩）”和“局部谱系 OT（允许基因从关到开）”。4) 从 r1-A 冠军剥出组成趋势种子（去掉视图分支），走准入。均在隔离分支，次日合并后开下一轮（框架 D）理由与否决的方案校准报告；种子准入；改动后的回归 否决：等明早再开始 裁定：用户（2026-10-02） · 文档：notes/reports/dev/2026-10-02_mech_split_50.md |
| 2026-10-02 | 换模型小试开跑（VM）：Engineer = Qwen 对 Astra（gpt-6-astra，xhigh，经 Codex CLI） | 两组从 A 派生，2 h、并发 1，其余三角色都是 Qwen；只差 Engineer 后端和 Astra 组多放行 chatgpt.com。Codex 关掉网页搜索、MCP、子 agent 等，只留 shell 和改文件；自带沙箱关闭，外层 bwrap 为边界；凭据放在 run 目录外的私有 CODEX_HOME，打包前扫描 token。代码在分支 worktree-agent-a8dcda2117e2a34ec（c94fb6f），VM 本地副本 ~/vec_vm 启动，23:13 开跑。VM 的 opencode 补上 Token Plan 凭据（gopass 管道写入）。判据：Astra 是否实现了 Qwen 做不出的机制并有可复测收益；这是“模型 + 客户端”组合对照理由与否决的方案两组的机制完成率、节点数、X3 分与官网分 否决：Spark 隧道方案 裁定：用户（2026-10-02） · 文档：agent/configs/experiments/model_test/ |
| 2026-10-02 | T3 允许使用模型自身的 Gata4 生物学背景知识（按官网规则） | T3 快速基线的 agent 依据自身记忆的已发表 Gata4 生物学（Kuo 1997、Molkentin 1997 等）构建了 128 基因先验表，没有读任何外部数据文件。官网规则 §10 只禁止保留基因型的实测数据（及其训练出的模型、含其的数据集）；模型自带的文献背景知识不属于数据。用户判定属于本来的生物背景知识，可以使用；提交时在方法说明里如实写明。这放宽了 2026-10-01 的项目口径（11_data_use_scope.md 第 81 行“Agent 自己记得的知识”一句），仅限通用生物背景知识；保留基因型的实测数据、数据集、在其上训练的模型仍然禁用理由与否决的方案T3 官网分 否决：不交并以更严提示重跑；先问组委会 裁定：用户（2026-10-02） · 文档：notes/competition/11_data_use_scope.md |
| 2026-10-02 | 主线框架倾向 D（A + tune），明早用初筛官网分确认 | D 是 A 的超集（p_tune=0 时与 A 逐位相同），初筛中途 X3 晋级分最高（61.3 vs A 59.6）；但单次、X3 不一定迁移。判据：D 的官网分不低于 A 就以 D 为主线。T2 插值（尺子可靠）是 tune 最可能见效的场景，下一轮再试理由与否决的方案初筛 A/D 官网分 否决：— 裁定：用户提议（2026-10-02） · 文档：agent/search/tune.py |
| 2026-10-02 | 夜间（01:30–08:00）安排：初筛结束后自动打包，接着跑 G24 完整 T2 两个插值榜（各 4 h，ERA/A） | T2 插值榜本地 proxy 与官网接近（59.6→62.9，61.5→60.0），是目前最可靠的提分点；T2 心脏外推本地高估，暂不投入；T1 不加长跑（等机制拆分和初筛官网分）。T3 完整 run 看今晚快速基线的官网分再定；VM 上 Qwen 对 Astra 小试在接入与冒烟通过后再跑。Spark 上的串联脚本 ~/vec/scratch/overnight_chain.sh理由与否决的方案两个 T2 插值榜的新官网分 否决：白天再跑 裁定：用户（2026-10-02） · 文档：agent/configs/experiments/g24_t2_t3/ |
| 2026-10-02 | 官网 50.1/49.7 后的方向（与 Codex 讨论，notes/reports/reviews/2026-10-02_codex_direction_after_50.md） | 1) 今晚 ABCD 初筛跑完，不换目标重跑；之后暂停框架对比长跑。2) 撤回“proxy 已证明方向错”“X3 已证明正确”的说法；目标暂留 X3，proxy 作诊断。3) +3 分来源用本地评分器做机制拆分（随机照抄 / 代表性抽样 / 只组成 / 只型内选择 / 重采样无偏移 / 完整冠军），不占官网额度；不采用 Codex 建议的 3 份消融提交（人设计程序套 run 提交有违规风险，规则 §9）。4) 明早官网额度交初筛的不同预测（去重、去照抄回退），检验新 X3 增益是否迁移。5) 换模型做小试：只换 Engineer，Qwen 对 Astra xhigh，各 1.5–2 h，在 VM 上跑；Opus 之后再说理由与否决的方案初筛 4 份官网分；机制拆分四项贡献；Astra 小试的机制完成率 否决：立即换 proxy 重跑；四框架各交一份；3 份消融提交 裁定：用户（2026-10-02） · 文档：notes/reports/reviews/2026-10-02_codex_direction_after_50.md |
| 2026-10-02 | T2/T3 今晚先跑快速基线 run（g24q） | 用户：“T2T3 先搞个基线，积累点数据”。没交过的榜在总分里算 0，所以每个榜先交一份合规的 Agent 产出最划算。从 G24 配置派生，只缩预算（1.5 h、并发 1、20G）；目标、护栏（margin 1）、数据都不变。20:45 启动 4 个（T2 三榜 + T3），快照 db58927。完整的 G24 仍按计划 10-03 跑理由与否决的方案T2/T3 首份官网分 否决：等明天的完整 G24 run 裁定：用户（2026-10-02） · 文档：agent/configs/experiments/g24_quick/ |
| 2026-10-02 | ABCD 初筛开跑并预登记 4 份官网提交（用途：框架初筛） | 20:29 启动 20261002-202907-search-t1-scr-A、-202908-…-scr-B、-202908-…-scr-C、-202908-…-scr-D（代码快照 ef93068，配置 agent/configs/experiments/screen_abcd/）。每组的最终输出各交 1 份（含退回照抄的情况），记入 submissions.tsv，并记录各自在 X1/X3/X4/X5/X6 上的分；用途事先声明为“框架初筛”，单次比较不作定论；官网 T1 配额每天 8 次，本批用 4 次理由与否决的方案四份官网分；与 copy_last 46.9 的差 否决：— 裁定：用户（2026-10-02 “先跑 ABCD 初筛”） · 文档：agent/configs/experiments/screen_abcd/ |
| 2026-10-02 | ABCD 初筛起点集合 = copy_last（锚点）+ ot_moscot（探索态） | 按报告 §2 事先写定的准入规则：ot_moscot 在 X3/X1 上与 copy_last 分不开（X3 +0.53 [−1.45, +2.50]，X1 +1.07 [−2.48, +4.63]），视图检查通过；cfm_flow、scvi_shift、composition 在 X3 或 X1 上可靠为负，拒绝；lineage_newtypes 在尺子上与照抄逐位相同但在 final 上改动约 1200 个细胞，尺子测不到，判为证据不足。ot_moscot 在 X4/X5 上为负，所以只给探索态（最多 3 个子节点，之后须有复测 X3 增益）理由与否决的方案初筛官网分；各组从 ot_moscot 出发的节点表现 否决：只用 copy_last 裁定：Claude（按用户授权的准入规则） · 文档：notes/reports/dev/2026-10-02_new_seeds_eval.md |
| 2026-10-02 | G24 T2 三榜护栏 margin 0 → 1 | 假后端端到端里 copy_last×0.98–1.02 的近似照抄在 proxy 上比 copy_last 高 0.8–1.4 分，能过 margin 0，但在 X2 上都低于 50；1 分约等于 T2 单次打分噪声理由与否决的方案G24 官网分 否决：margin 0 裁定：用户（2026-10-02） · 文档：agent/configs/experiments/g24_t2_t3/ |
| 2026-10-02 | T2 照常挂外部数据（Qiu 早期心脏 E8.75/E9.0、MOSTA E9.5） | 官网 2026-10-02 复核与 09-21 快照逐字一致：Rules §10 与 FAQ 允许所有任务使用外部数据，并给出 T2 的禁窗（心脏：严格介于 E8.25 与 E8.75 之间、E9.5 之后至 E13.5（含）、E10.5/E12.5；全胚：严格介于 E7.25 与 E8.0 之间）；Data 页“只有 T1 可用外部公开单细胞数据”一句与之冲突，按规则条文和主办方 Slack 答复执行（11_data_use_scope.md 第 1 节）。E8.75/E9.0/E9.5 都在窗外（E8.75、E9.5 是边界阶段，明文允许）。提交时逐项披露来源和阶段理由与否决的方案官网首份 T2 分 否决：去掉 T2 外部挂载，只用官方数据 裁定：用户提议、Claude 官网复核（2026-10-02） · 文档：data/external/catalog.yaml; agent/configs/experiments/g24_t2_t3/ |
| 2026-10-02 | A/B/C/D 初筛的终选护栏：只用 X3 | 初筛配置用新护栏但只要求 X3 在新 seed 上相对 copy_last 有提升（require_gain_on X3），X1/X6 只记录不拦；理由：X1 逐 seed 配对差 sd 约 2.4，5 个新 seed 时非劣下界比均值低约 3 分，几乎必回退照抄，初筛将无区分度；且 X1/X6 与官网相对 46.9 的结果不符。X1/X6 是否可靠用初筛的官网分检验，可靠后再加回护栏理由与否决的方案新护栏 fake e2e；官网校准 否决：新 seed 加到 10 个；容差放宽到 2 分 裁定：用户（2026-10-02） · 文档：agent/search/final.py |
| 2026-10-02 | G24（T2/T3 首批 run）提前到 10-03 | 排在 T1 A/B/C/D 初筛之后立即启动；目标是每个 T2 榜和 T3 至少有一份合规的 Agent 提交（总分按三个任务算，T2/T3 空白时即使接近地板也能大幅提升总分）理由与否决的方案当前总分只有 T1 47.8，前 10 门槛 188.8 否决：继续推迟 裁定：用户（2026-10-02） · 文档：notes/plan/tasks/G24_t2_t3_runs.md |
| 2026-10-03 | 本地尺子目标泄漏审计；T2 外推目标改 proxy_noscale；T3 本地 proxy 改名 + 稠密度护栏 | ① 审计全部本地尺子目标在智能体可见材料里的统计量：T1 X3 / X1 / X4–X6 无泄漏；T1 proxy / proxy2 / proxy10（目标官方 E9.5）有类型级泄漏（方法卡类型清单、知识 k036/k043–k060 普查句、reweight.py 常数），已改文字、代码不改；T2 三榜方向库 / 方法卡 / 种子 README 给出 proxy 目标阶段的 RMS、细胞数、同名类型数，已全部改为由程序从输入现场计算；T3 方法卡的 Mab21l2 KO 测量值、官网 Gata4 分数（42.5、45.9、前 10 名分数段）删除。② T2:heart:val_extrap 目标改为 proxy_noscale（proxy 的 scale_log_ratio skill 固定为 copy_last 的值 0.5，再按官方聚合），原 proxy 只记录；g24_t2_t3/t2_heart_extrap*.yaml 已改，未启动。③ 打分服务的 T3 本地尺子改名 T3:gata4/proxy_mab21l2，旧 id 按新名字回答和记录，每个分数带 local proxy 标签；旧 run 可加载。④ T3 最终输出非零比例须在 WT 输入的 0.8–1.25 倍（harness verify 与 prepare_submission）。⑤ check_knowledge.py 新增 proxy-target 统计检查，默认只警告（--strict-proxy-targets 才失败）理由与否决的方案T2 外推节点 5 的 proxy +4.15 全部来自由 proxy 目标 E9.5 的 RMS 算出的回退增长率 0.58/天（校准报告 §3.2）；不违反官方规则（E9.5 已发布），但尺子因此失效 否决：严格失败级的 check_knowledge 规则（用户：只要警告级）；修改 heart_jcf_peri / reweight.py 常数（保留为回归与负对照）；T1 第二轮等待本修复（用户：按 master 659a312 启动） 裁定：用户 2026-10-03 09:30（范围：按官方规则、不过度谨慎；T2 外推尺寸泄漏 + proxy_noscale；T3 改名 + 稠密度） · 文档：notes/reports/dev/2026-10-03_proxy_target_leak_audit.md; notes/reports/dev/2026-10-03_ruler_calibration_t2extrap_t3.md |
| 2026-10-02 | 目标暂用 X3，取代同日“X3+X6 平均”一行 | 当前配置的搜索目标暂为 X3（真值 B 半）；同日较早一行“目标=X3+X6 等权平均、护栏 X3+X1+X6”不再沿用：X4/X6 重叠、X6 方向与官网相对 46.9 的结果不符；不同目标（X3 / X3+X6 / X6）将用 A 做对照比较后再定；终选护栏按冻结前准备实现（X3 选候选，X1/X6 非劣，容差 1 分，置信下界，新 seed）理由与否决的方案官网 46.9 校准；Codex 重叠审计 否决：— 裁定：用户（2026-10-02 指示比较不同目标、实现新护栏） · 文档：notes/architecture/14_objective_rulers.md |
| 2026-10-02 | 官网校准后的方向（用户） | ① 官网评分器固定、结果固定，不测提交噪声、不重交同一文件；官网与本地不一致视为本地尺子的问题。② 先做“抽样 vs 完整”的影响实验（T1 官网上限 5118 细胞，完整 E9.5 无法提交，完整只在本地比较）。③ 撤回方法族禁令；旧版 pseudobulk_shift 仍作负对照；heart_jcf_peri 可申请准入。④ 有计划地攒“官网分 vs 本地尺子分”账本。⑤ 做 A/D 消融；并比较 A/B/C/D 四种方案、比较不同优化目标。⑥ 冻结前准备：统一评分口径、实现新护栏（X3 选候选，X1/X6 非劣）、回放护栏、合并代码。⑦ 文档立即修订理由与否决的方案官网 46.9 校准；Codex astra 讨论 notes/reports/reviews（待存档） 否决：— 裁定：用户（2026-10-02） · 文档：notes/changelogs/submissions.tsv |
| 2026-10-02 | Slack 主办方确认补入现行规则 | 11 号文补录 T2 心脏 >E13.5 外部数据、T3 GSE208162 的特定许可、P3 验证答案、Agent 配置锁、转换数据公开发布条件，以及 T1 文库与 T2 注释和尺度解释；保留预留阶段一切信息禁用的项目口径；12 号文清理已解决的许可待办，将预先备选和不传官方分标为项目策略，并按 10-02 G26 暂定方案记录 Qiu E9.25 训练、E9.5 继续测试理由与否决的方案用户同意将 Slack 核对结果补进现有规则文档；记录答复日期、原文和适用边界，避免旧说明覆盖明确更正 否决：将具体许可扩大到所有任务或扰动；把项目保守策略归因于官方禁令；因补录文档自动启用数据或修改运行配置 裁定：用户（同意补充规则）；Codex 核对与整理 · 文档：notes/competition/11_data_use_scope.md; notes/competition/12_p3_protocol.md; notes/reports/reviews/2026-10-02_slack_rules_comparison.md |
| 2026-10-02 | 官网校准：我们流水线的 copy_last = 46.9（不是 50） | 机制检查 run（护栏交 copy_last 基线，5118 个随机 E9.5 细胞）官网 46.9。官方地板 50 = 评分器自己的 10% 参考样本原样提交（data.md：每阶段先抽 10%，E9.5 参考 1706 细胞，上限 5118）；我们的照抄是另一批细胞，抽样差异被 DE 组当成错误方向的变化扣分。重算：G21 A/B/C/D 相对我们的 copy_last 为 +0.3/+0.9/+0.1/+0.3（均在单次噪声内）。G36“改错方向、低于照抄”的结论需修正；本地尺子以“低于 50”为参照的符号验证失效：X6、X1 把四个程序都判负（方向与官网相对 46.9 的结果不符），X3 对 B 罚 −5.9 而官网 B 最好理由与否决的方案官网提交结果；notes/official/来件/virtualembryo.ai/data.md 否决：— 裁定：Claude（事实记录，待与用户讨论后续） · 文档：notes/changelogs/submissions.tsv |
| 2026-10-02 | 目标改为 X3+X6 平均；护栏 X3+X1+X6；提交机制检查 run | ① 优化目标 = X3 与 X6（Imaz 心脏区，E8.0+14 体节→24 体节）等权平均（真值 B 半；Engineer 查分 A 半）；护栏 = copy_last 基线在 X3、X1、X6 上均需被超过；X4/X5 只记录、作独立检验（消融主指标）；proxy 只记录。② 机制检查 run（20261002-135403-search-t1-x3-era-mechcheck，护栏判定后交 copy_last）交 P2 一次，校准流水线 copy_last 的官网分（50 还是约 53）理由与否决的方案机制检查 run：X3 +1.0 的候选在 X1 上全部 −1.2 到 −2.8，单尺子目标过拟合；X6 是唯一把 G21 四个赢家全部判为低于 copy_last 的尺子（DE 信号弱，作目标的一半、主要约束方向/状态/共变） 否决：目标只用 X3；X3/X6/X1 三把平均（无独立护栏） 裁定：用户（2026-10-02） · 文档：notes/plan/tasks/G38_x6_whole_embryo_ruler.md |
| 2026-10-02 | T1 方向库、draft 调度、起点三态 | ① 方向库按 10 个方法族重写（局部 OT、OT-CFM、流形约束动力学、带生长项动力学、随机桥、图上命运转移、谱系约束分支生成、生成式表示、调控程序约束、低秩形状演化），只写定性机制/适用条件/最小预算/失败方式/文献，附“不要做”清单；带分数的实验账本单独管理，X1/X4/X5/X6 结果不写入方向库。② draft 30%：先无放回轮转覆盖（跨类别交错、跨 run 轮换规则锁定前定），覆盖后再按 X3 复测收益做受约束 bandit 并保留最低探索配额；新方法族首节点机制生效且无灾难退化即保证一次 improve 深化；算子分工 draft=新族最小版、improve=结构修复、tune=已证实机制调参、debug=运行修复；PLAN 记录实际实现的方法族与关闭机制的对照。③ 起点：copy_last 永久锚点 + 少量通过准入的方法种子；种子三态：探索（合规、机制生效、无可靠负证据）/ 活跃（X3 可重复收益、X1 无可靠退化）/ 最终（护栏）；若无种子准入则只用 copy_last；pseudobulk_shift、heart_jcf_peri 只作回归与负对照；同一起点用于所有路线理由与否决的方案Codex gpt-6-astra 审阅 notes/reports/reviews/2026-10-02_codex_astra_ideas_draft.md 否决：保持 15% 与旧方向库；五个参考实现全部入池 裁定：用户（2026-10-02） · 文档：notes/reports/reviews/2026-10-02_codex_astra_ideas_draft.md |
| 2026-10-02 | 外部尺子标签方案与消融时序 | ① 标签：A（修订映射表）与 B（官方 E8.5/E9.5 训练的分类器迁移，带拒判、拒判细胞保留）都做，按 Codex 设计的对照（只换标签，4 个有官网分的程序 + copy_last + 位移种子，检查分支一致、官网符号、≥3 seed 配对置信区间）选主方案；X3/X4/X5/X6 以 B 为主、A 作对照，X1 用保守 A；外部训练数据在模型用标签时统一接口，原作者标签保留审计。② 映射表分三级：精确 / 粗映射 / 未知；不再默认 anterior；统一取 E9.5 名只用于纯改名；原标签存 harness 侧。③ 消融等标签方案定后开；之前先跑一次 A 机制检查（新目标、护栏、伪装视图），不计入消融。不使用评分器冻结探针给输入打标（在目标上训练，会泄露）理由与否决的方案Codex 审阅 notes/reports/reviews/2026-10-02_codex_label_strategy.md 否决：只用 A；只用 B；用冻结探针 裁定：用户（2026-10-02 grilling 第 2 轮全部按推荐） · 文档：notes/architecture/14_objective_rulers.md |
| 2026-10-02 | 数据合规按任务执行；G26 暂定；消融主指标 | ① Spark 数据合规按任务：每个任务的视图只用本任务允许的数据，原始文件可留在 Spark（过严会缺关键数据）；例外：Qiu 整簇原始文件（含 T1 禁窗细胞、仅用于策展）已移到 Mac 保留，经 data/external/SPARK_EXCLUDE 不再同步到 Spark。② G26 暂定只把 Qiu E9.25 移入 P3 训练，E9.5 继续只做测试，10-20 前再讨论。③ A/D 消融主指标改为 X4/X5（X6 验证后加入）相对 copy_last 的平均提升，X1 因用于护栏降为次指标理由与否决的方案用户（2026-10-02 grilling 第 1 轮） 否决：严格模式（任何任务禁窗即移出） 裁定：用户（2026-10-02） · 文档：notes/architecture/14_objective_rulers.md |
| 2026-10-02 | 框架：A 为主线；A 对 D（A + tune）消融 | B 不再单独投入；C 不再作为独立臂。D = ERA + 廉价调参操作 tune（借鉴 C 修改轮思路，独立实现于 agent/search/tune.py，不依赖 OpenEvolve；p_tune 默认 0 时与 A 逐位一致）。消融：同一新目标（补丁 X3 + 对 copy_last 护栏 + 视图盲检查），两组同时、3 次重复 × 4.5 h；主指标 = 终选程序在未被优化的尺子 X1/X4/X5 上相对 copy_last 的平均提升（检验泛化），次指标 X3 提升、X3 与 X1/X4/X5 差距、效率；D 主指标高 ≥ 1 分且 3 次方向一致才采用，X3 涨而主指标不涨判为过拟合；两组各交 1 份最好结果到官网做最终裁判理由与否决的方案深度轨迹报告：A/B 分不出、种群几乎不起作用；C 快而浅、修改轮便宜但提升多 <1 分；tune 有省成本的潜力也有追噪声、过拟合 X3 的风险 否决：三组重跑；直接采用 D 裁定：用户（2026-10-02） · 文档：notes/reports/runs/abc_deep_2026-10-02.md |
| 2026-10-02 | 弃用 proxy / proxy2 作为优化目标 | proxy（E8.5→E9.5 单输入）与 proxy2（拼入 Qiu E9.0 心脏）不再进入搜索目标、Engineer 查分反馈与终选排序；仅在终选诊断里记录（历史对照）。短期目标：打补丁后的 X3（两输入外推，同发育时期）+ 相对 copy_last 的护栏，X1/X4/X5 记录；中期：新建 X6（Qiu 2024 全胚胎两输入外推，≤E9.5）并用官网分验证后定为正式目标理由与否决的方案G36 诊断：proxy 奖励的改动方向在 E9.5→E10.5 上是错的（官网全部 < 地板）；proxy 只有一个输入，结构不符合外推；proxy2 程序不用额外输入时与 proxy 相同 否决：保留 proxy 作为目标之一 裁定：用户（2026-10-02） · 文档：notes/reports/dev/2026-10-02_G36_below_floor_diagnosis.md |
| 2026-10-01 | A/B/C 改为工程对比（G21 快速校准之后） | A/B/C 照跑但目的改为框架的工程效率对比：有效节点/小时、失败率、token 与时间成本、本地分爬升速度；不以分数论方法优劣（本地尺子已证实不能预测官网分）。改为 2 次重复 × 4.5 h（搜索 4h10m + 终选 20m），三组同时启动，每组并发 2，临时目标不变；同时 Claude 写“为什么官网低于地板 50”的诊断方案，次日上午给用户理由与否决的方案G21 快速校准：四臂官网 47.0–47.8 全部低于地板 50，本地分与官网排序不一致；用户认为训练时间短，Claude 指出 run2/c3 更长但官网同样 ≈47 否决：3 次 × 2h20m；今晚不跑 A/B/C 裁定：用户（2026-10-01，选方案 3） · 文档：scripts/abc_chain.sh |
| 2026-10-01 | G21 快速校准：结果与判定（按预先写定的规则） | 官网 P2（T1:val）：A proxy 47.2（本地 56.83）、B proxy2 47.8（本地 50.36）、C X3+X4+X5 47.0（本地 50.70）、D 五把等权 47.2（预测与 09-27 run2 逐字节相同，沿用其分数；本地 53.07）。判定：① 最高两臂 B 47.8 与 A/D 47.2 差 0.6 < 1 分 → 分不出，不选目标；③ 四臂官网分都 < 50 → 按规则不开长 run，先回到方法与尺子问题。本地分全部高估官网分（差 2.6–9.6 分），且本地排序（A>D>C>B）与官网排序（B>A=D>C）不一致：现有本地尺子都不能预测官网分理由与否决的方案预先登记的规则（同日行）；4 次提交均为干净锁定 run 的终选输出 否决：— 裁定：用户提交；Claude 按规则判定 · 文档：notes/changelogs/submissions.tsv |
| 2026-10-01 | G21 快速校准：判定规则（看结果前写定） | 4 个 run（A proxy / B proxy2 / C X3+X4+X5 / D 五把等权）各 1 次，1h15m（搜索 60 + 终选 15），并发 2，同时启动，每个会话内存预留 6G；每个 run 的 final 由用户交 P2。判定：① 后续正式 run 的目标 = 官网分最高的臂；若最高两臂差 < 1 分（P2 单次噪声量级）判为“分不出”，对这两臂补跑重复后再定，不硬选；② 各本地尺子（proxy、proxy2、X1、X3、X4、X5，B 半）与官网分的 Spearman ρ 用这 4 点 + 历史提交点计算，样本少，只作参考不作判定；③ 若 4 臂官网分都 < 50，不开长 run，先回到方法与尺子问题理由与否决的方案用户要求今晚出结果、先做校准再比较 A/B/C；原 3 次重复版本需约 2 天 否决：原设计 4×3 次重复；更短的 run（50/35 分钟，节点太少可能选中相同程序） 裁定：用户（2026-10-01） · 文档：agent/configs/experiments/g21_calibration/quick/ |
| 2026-10-01 | A/B/C 短试跑方案（今晚） | T1:val；种子 pseudobulk_shift；临时目标；种群 60/3 岛/迁移间隔 10/迁移率 0.1；每次重复 A/B/C 三组同时启动、3 次重复串行；每组并发 2（全机 6 个会话）；GPU 队列改为全机共用；每 run 2h20m = 搜索 2h + 终选预留 20min；准备好就开跑，至少 2 次重复（凌晨 2 点未就绪则只跑 2 次）；通过标准：三组跑完、final/ 与三 seed 复测完成、基础设施失败 ≤10%、无遗留进程、verify 通过、有效节点 A/B≥8、C≥20，不设分数门槛；G21/G24 顺延到用户次日确认后；今晚只自动跑这 3 次重复理由与否决的方案用户要求 12 小时内（次日 10:00 前）完成三方案比较；终选实测几分钟（晋级每节点约 40 秒）；同时段运行使供应商负载与机器状态相同 否决：串行（27h 跑不完）；每组并发 3（9 会话，限流风险）；减少数据量（瓶颈在 LLM，不在数据） 裁定：用户（2026-10-01，grilling 第 2 轮全部按推荐） · 文档：notes/plan/tasks/G35_route_c_native_lite.md |
| 2026-10-01 | OpenEvolve 适配层目录名 | B/C 代码目录定为 agent/search/openevolve_adapter/（取代同日决定里的 agent/search/openevolve/）理由与否决的方案与上游包同名时，PYTHONPATH 含 agent/search 会让 import openevolve 加载本目录；改名比导入保护更简单 否决：保留同名 + 导入保护（upstream.ensure） 裁定：Claude（实施细节） · 文档：agent/search/openevolve_adapter/__init__.py |
| 2026-10-01 | C 组定义：OpenEvolve 内核 + 查分修改轮 | C = 上游种群（含灵感程序）+ 上游 prompt/diff；每节点最多 3 轮 diff→沙箱跑+真值 A 半查分→修改，查分计入同一上限（≤20）；回复须附 METHOD 说明（改了什么、知识与出处）生成 METHOD.md；灵感程序首轮只给 C，A/B 不给（之后另做消融）；公共材料三组相同理由与否决的方案用户：内核是 OpenEvolve 即可，不必完全原生，目标是提高分数；METHOD.md 供审查与披露 否决：完全原生单次调用；C 改用 opencode 会话（与 B 重复） 裁定：用户（2026-10-01，grilling） · 文档：notes/plan/tasks/G35_route_c_native_lite.md |
| 2026-10-01 | A/B/C 对照口径 | 等墙钟 + 相同资源上限（token 只报告）；冒烟与 2h 短试跑用临时目标，正式对照等 G21；三组同一个 T1 种子起步；三组串行、每次重复轮换顺序（ABC/BCA/CAB），组内并发 3；迁移用进程内带种子计数器替换 uuid4；上游 prompt 显示 bug 进程内补丁；两个补丁记进锁理由与否决的方案可归因、可重放、公平 否决：等节点数；等 token；三组并行 裁定：用户（2026-10-01，grilling） · 文档：notes/plan/tasks/G31L_population_strategy_lite.md |
| 2026-10-01 | OpenEvolve 对照的仓库与架构分工 | ERA 是主线，doc 10 保持只写 ERA（只更新过时事实）；OpenEvolve 版 harness 架构文档与对照计划放并列仓库 2026_virtual_embryo_openevolve（openevolve_comparison.md 迁过去）；B/C 运行代码留主仓库 agent/search/openevolve/ 单目录，经 search.strategy / search.generator 两个接口接入，不配置不 import；比较完删目录即可理由与否决的方案一个 run 只依赖一个仓库（锁/快照/同步不变），同时保持 ERA 主线清晰、可整体删除 否决：B/C 代码放并列仓库跨仓 import（锁两个 SHA、快照两仓） 裁定：用户（2026-10-01，grilling 第 1–3 轮） · 文档：notes/plan/tasks/G35_route_c_native_lite.md |
| 2026-10-01 | G21 预注册判定规则（看结果前写定） | 4 臂（A proxy / B proxy2 / C X3+X4+X5 / D 五把等权）× 3 次重复（search_seed 0/1/2），T1:val，每 run 2 小时、并发 3、X1 终检；每个 run 的终选输出各交 P2 一次；每个胜者在 proxy、proxy2、X1、X3、X4、X5 上都记分（B 半，seed 0–2 均值）。判定：① 12 小时 run 的目标 = 官网均分最高的臂；若最高两臂均分差 < 1 分（P2 单次噪声量级），选其中在本地尺子上方差更小者；② 本地尺子可信度 = 全部提交点上该尺子分与官网分的 Spearman ρ（bootstrap 95% CI，1000 次）；③ 若所有臂官网均分都 < 50，则不开 12 小时 run，先回到方法与尺子问题（报告 Agent 出复盘）。理由与否决的方案run2 本地 55.97 → 官网 47.2：T1 替代题方向错；需用干净的锁定 run 校准搜索目标 否决：只跑 1 次/臂（统计太弱，已否决） 裁定：用户（2026-10-01 同意按建议），Claude 设计 · 文档：agent/configs/g21/；notes/plan/tasks/G21_calibration_runs.md |
| 2026-10-01 | P3 视图以公开的验证答案为输入 | P3 测试视图输入 = 训练阶段 + 公布的验证阶段（T1 E10.5、心脏 E8.5/E10.5、全胚 E7.5、T3 Gata4 KO）；11 号文 §4 对应问题从待问清单划掉理由与否决的方案data.md:38、283：最终阶段公布验证答案并成为训练材料；data.md:221：最终阶段心脏每个阶段都是训练输入 否决：先问组委会 裁定：用户（2026-10-01） · 文档：notes/competition/12_p3_protocol.md |
| 2026-10-01 | P3 启用 p3_final 数据方案 | P3（10-20 起）T1 训练加入 Qiu E14.0–E18.75 与 E9.25/E9.5；X2/X4/X5 保留为测试题（参考价值下降，已登记跨来源重叠）理由与否决的方案rules.md:121 明文：T1 外推禁窗为 E9.5 之后至 E13.5（含），E13.5 之后的数据可用（须披露来源与阶段）；规则只限数据时间点，不限插值/外推的建模方式；E14 给 E12.5 提供右端 否决：不启用（只外推） 裁定：用户（2026-10-01） · 文档：notes/plan/tasks/G26_p3_pipeline.md |
| 2026-10-01 | 报告 Agent（G28） | 每个 run 结束、每次官网分数入账、每次手动调试实验后，由 qwen3.8-max 基于事实包（各尺子分数、谱系、Analyst 经验、与上一 run 的配置差异、健康事件、官网分）生成中文迭代报告到 notes/reports/，数字只能来自事实包（后检查）；Claude 审读后向用户汇报并提建议理由与否决的方案把每日人工复盘系统化 否决：— 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G28_report_agent.md |
| 2026-10-01 | 实验记录与溯源（G27） | run 登记表 runs.tsv（启动/结束/官网分自动登记，配置必填 purpose/hypothesis）、可提交 run 打 git 标签 run/<id>、保存前 5 名与中选谱系的模型权重（含哈希清单）、四类轨迹分开（run 内部、人工操作、开发日志、官网提交）、消融协议（每臂≥3 次、单因素、提升=均差>噪声且 bootstrap CI 不含 0）与 scripts/ablation.py、面板加实验登记页理由与否决的方案用户要求一切可溯源、消融明确提升、轨迹区分 否决：— 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G27_records_provenance_ablation.md |
| 2026-10-01 | P3 管线（G26） | 现在构建、P3 时启用：测试期视图（含公开验证阶段为输入）、用公开验证真值做本地尺子（P3 主目标）、外部数据 p3_final 配置（Qiu E14+ 与 E9.25–9.5 回到 T1 训练，启用前需用户确认）、P3 两次提交策略文档理由与否决的方案data.md:38 验证答案在 P3 成为训练材料；P3 每榜仅 2 次；E14+ 可给 E12.5 提供右端 否决：10-20 后再做 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G26_p3_pipeline.md |
| 2026-10-01 | T2/T3 提前与运行位置（G24） | 10-20 前启动 T2 三个榜各一个搜索 run 与 T3 一个 agent run，各自提交 P2 作首个校准点；所有正式 run 只在 DGX Spark 上跑，虚拟机只做开发与假后端测试理由与否决的方案未提交的榜按 0 分；Agent 前 10 名 T2 60–68、T3 64–78；P2 到 10-20 结束 否决：等 T1 完成后再做 T2/T3 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G24_t2_t3_runs.md |
| 2026-10-01 | 修复批次（G23） | 按独立审查执行：真值分 A/B 两半（A 供 Engineer 查分、B 供正式分/复测/终选）、复测换评分器 seed、目标为可配权重的尺子组合并留一把只在终选看（holdout）、终选前 5 名；运维：节点完成后清理工作目录与磁盘水位、LLM 熔断（接口失败不进树）、内存准入、systemd 自动续跑与看门狗、锁记录视图文件哈希与模型 id；合规：操作日志与 tainted 标记、接续证据端到端验证。G21 改为每种目标重复 3 次、判定规则事先登记理由与否决的方案G0 显示 T1 替代分方向错误；审查发现同一半真值被反复拟合、多 seed 不换评分器 seed、磁盘 9 节点 16 GB 等 否决：只按原 G21 跑 4 个 run 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G23_objective_ops_compliance.md |
| 2026-10-01 | 跨 run 接续与最终 run 证据 | 跨 run 接续（--continue-from）对开发 run 和最终 run 都允许：导入的旧节点与种子一样是锁定时固定的输入（§9 例二：锁定前读结果、加方法/方向再锁定运行属 Agent Team）。证据要求：中选节点整条祖先链的轨迹都打包（含来自旧 run 的段）并附来源 run 锁哈希，SELECTION.md 写明各祖先来源；被接续的 run 须为干净锁定 run（已提交代码、无人工改码）。tainted 标记照做（防锁定后人工干预）理由与否决的方案用户引用 §9：判断标准是锁定后是否有干预、配置是否变化，而非是否利用以往成果；证据须对应产生该文件的 run 且至少两类、含轨迹 否决：审查员建议：最终 run 禁止接续 裁定：人工（用户） · 文档：notes/plan/tasks/G18_search_continuity_promotion_proxy2.md |
| 2026-10-01 | 知识库禁窗审查（G22） | 按'预留阶段一切信息不能用'审查知识库与方向库：排除 k057、k059、k061；改写 17 条为不带禁窗时间、比例、类型清单的通用机制；T1-23 重写；方法卡与方法全景删去官网'E10.5 有 23 型/13 同名'等禁窗信息；新增 scripts/check_knowledge.py 自动拦截；检索跳过 excluded 条目理由与否决的方案用户修订口径：预留阶段的任何信息都不能用 否决：保留文献比例与窗内类型清单 裁定：人工（用户），Claude 审核 · 文档：scripts/check_knowledge.py |
| 2026-10-01 | 数据使用口径（再修订） | 任务预留阶段（含禁窗）和预留基因型的一切信息都不能用：除数据矩阵外，也包括由这些阶段测量得出的类型清单、比例、标记基因、表达、尺寸（无论来自文献、数据库、检索、模型或记忆）；可用：已发布阶段信息、禁窗外数据、不针对禁窗阶段的通用机制知识（谱系、通路、注释）。知识库与方向库按此审查改写（G22）；视图剥掉 uns.celltype_palette；Researcher/Engineer/审查提示词同步理由与否决的方案独立审查指出 k061（E10.5–E13.5 心脏 scRNA 比例与类型）等条目可能被认定为任何途径使用答案；用户：凡是预留阶段的数据都不能用 否决：文献知识全部放开（10-01 上午口径）；先问组委会再定 裁定：人工（用户） · 文档：notes/competition/11_data_use_scope.md |
| 2026-10-01 | T1 校准方式（G21） | G19 校准批次不提交（C1/C2 为人写种子、C6 人工改写、C4/C5 为中间节点、C3 来自 dirty run，均不符合 §9 Agent Team 提交要求），只作本地参考；改为用 4 个干净的短锁定 run（仅搜索目标不同：proxy / proxy2 / 外部测试题 / 组合）各自终选后提交 P2，比较哪个目标搜出的结果官网最高；10-20 后再用公开验证真值全面校准理由与否决的方案规则 §9：提交必须是锁定 run 自己选出的最终输出；人只能选择提交哪个已完成的 run 否决：直接提交 C1–C6 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G21_objective_calibration_runs.md |
| 2026-10-01 | Qiu 早期用途与外部测试扩充（G20） | Qiu 早期心脏按阶段分角色：E8.75、E9.0 继续训练并可作测试题输入；E9.25、E9.5 改为只做测试答案（从训练移除）；check_catalog 规则改为训练不得与测试答案重叠（输入可重叠）。新建 X3（Qiu E8.75+E9.0→E9.5）并调研再建 1–2 道 T1 类外部测试题（de Soysa 2019、Tyser 2021、Pijuan-Sala 等），用于校准哪把本地尺子跟官网一致理由与否决的方案G0：run2 本地替代分 55.97、X1 46.79、官网 47.2；当前替代题可能奖励取材漂移；X1 离 T1 窗口太远 否决：Qiu 早期全部做训练；全部改做测试 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G20_t1_external_tests.md |
| 2026-10-01 | T1 两输入替代题（R3） | 新增 T1 proxy2：官方 E8.5 + Qiu E9.0（外部，作输入）→ 官方 E9.5；节点分 = proxy 与 proxy2 均值（权重可配）；两分都展示；说明 proxy2 比 final 容易且跨数据集，只为给两时间点方法公平信号理由与否决的方案主流动力学方法（OT、ODE、流匹配）需要 ≥2 时间点，原 T1 proxy 只有 1 个输入，会系统性冷落它们 否决：让 X1 参与搜索（失去独立测试集）；不动 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G18_search_continuity_promotion_proxy2.md |
| 2026-10-01 | 晋级复测（R2） | 节点 seed 0 分进入前 5 名时自动补跑 seed 1、2，以 3 seed 均值作排名分；终选沿用理由与否决的方案T1 打分噪声约 2 分，单 seed 排名会追噪声；快速评分器让复测成本低 否决：只在终选做多 seed 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G18_search_continuity_promotion_proxy2.md |
| 2026-10-01 | 跨 run 接续存档（R1） | 新 run 可 --continue-from 导入以往 run 的全部节点（代码、PLAN、ANALYSIS、分数、父子、访问次数），树持续长大；评分口径指纹相同则沿用分数，否则重打前 20 名、其余作历史不可做父节点；最终 run 仍用种子理由与否决的方案ERA 树要 300–1000 节点才饱和，单 run 约 60 节点且每次清零 否决：每 run 新树只带最佳程序作种子 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G18_search_continuity_promotion_proxy2.md |
| 2026-10-01 | T1 方法与知识（G16） | 新增 T1 方法全景（T1_methods_landscape.md）、知识条目 k031–k063（方法/代码 12、生物学 21，含 E10.5 前后类型与文献比例，Claude 审核）、方向 T1-18~23；Spark venv 预装 moscot/ott-jax+jax[cuda13]、wot、torchcfm、torchdyn、torchsde、torchdiffeq、geomloss、scvi-tools、palantir、cellrank 2.3.3、decoupler、igraph/leidenalg，沙箱断网冒烟 11/11 通过，原有包版本不变；预训练权重无一合格（含小鼠者无法证明排除禁窗，Navigo 点名禁止）；JAX 显存需在 gpu_env 设上限（交 G17）理由与否决的方案沙箱不能 pip、不能联网，已发表代码必须预装；方法全景让 Agent 知道主流方法 否决：不预装、让 Agent 自写；下载 UCE/GeneCompass 等小鼠基础模型权重 裁定：人工（用户），Claude 审核 · 文档：agent/knowledge/T1_methods_landscape.md |
| 2026-10-01 | Researcher 文献检索（G17） | Researcher 可用 lit-search：宿主机服务持 key（PubMed、OpenAlex、Europe PMC 全文、Exa、Tavily、arXiv、bioRxiv），沙箱只有 socket，网络仍仅 LLM；只取文字不下载文件；每次调用≤10 次；全部检索原文留痕进证据；复用 Gene Vectors 平台 literature 工具的检索部分（剔除补充材料下载与科研通）；NCBI/OpenAlex 不附用户邮箱理由与否决的方案沙箱不能联网，Researcher 需要最新方法与生物背景；key 不进沙箱 否决：Researcher 直接联网；不开检索 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G17_lit_search.md |
| 2026-10-01 | 并发与 Researcher（H2–H4） | 默认 concurrency.nodes=3（并发 5 在 G7 冒烟测试）；Researcher 上下文内联单轮调用、thinking_budget 8192、时限 15 分钟、180 秒无输出则重试；BM25 检索排除 k014理由与否决的方案实测 Researcher 4–9 分钟源于 6–11 轮读文件 + 每轮 1–1.6 万推理 token；一次超时是接口卡住（600 秒仅 46 token）；k014 因噪声相关词每次排第一 否决：保持 2 路并发；Researcher 自己读文件 裁定：人工（用户），Claude 建议 · 文档：agent/configs/search_t1.yaml |
| 2026-10-01 | 终选与外部测试题（H1） | 外部测试题 X1/X2 在终选时只记录、不淘汰：终选只按审查通过的前 3 名 3 个 seed 替代分均值；X1/X2 分数写进 SELECTION.md 诊断节，供人在锁定前改进 harness（补知识、模型、方向）；是否让外部测试题参与决策，等 P2 校准后在 run 之间决定理由与否决的方案硬淘汰曾使一个 run 交出 copy_last；X1 考的是晚期成熟，T1 专用方法（如 heart_jcf_peri）在 X1 低于地板不代表在 T1 差；搜索阶段节点本就看不到 X1，改动不影响 Agent 判断 否决：低于地板 2 分即淘汰；低于 10 分才淘汰 裁定：人工（用户），Claude 建议 · 文档：agent/search/controller.py |
| 2026-10-01 | 数据使用口径简化 | 严格按官网两档：不能用＝保留阶段/基因型的实测数据（原始数据、表达矩阵含补充表达表、含其的数据集未删窗、在其上训练的模型、分数反推）；能用＝其余一切（窗外外部数据、预训练模型、已发表代码、文献生物学知识含谱系/类型/比例/标记基因），全部披露、METHOD.md 注明来源。禁窗按任务分别算。取消并集口径与方法类限定；保留训练/测试不重叠与 proxy 外部数据过滤（评估可信性）理由与否决的方案用户：规则禁止的是实测数据；生物背景知识对建模必要；不再加额外界限 否决：四档界线（定量比例先问组委会） 裁定：人工（用户） · 文档：notes/competition/11_data_use_scope.md |
| 2026-10-01 | proxy 外部数据（修正） | proxy 视图的外部数据过滤照搬官方禁窗规则并相对 proxy 目标：外推型 proxy 只保留 ≤ 最后输入阶段；插值型 proxy 另外剔除落在两个括号输入之间开区间的样本（心脏插值 (8.25, 9.5)、全胚插值 (6.75, 8.0)），括号端点本身允许。当前结果：T1 无；心脏外推 Qiu E8.75；心脏插值 Qiu E9.5 与 MOSTA E9.5；全胚无理由与否决的方案原规则只按外推设计，心脏插值 proxy 会挂进恰为 proxy 答案阶段的 Qiu E8.75（G15 审查发现） 否决：仅 ≤ 最后输入阶段 裁定：人工（用户）规则，Claude 修正 · 文档：notes/competition/11_data_use_scope.md |
| 2026-09-30 | 生物先验知识库 G12 | 新增 data/external/prior/：Reactome、GO、CollecTRI（剔除 Gata4/Ctnnb1 敲除来源）、STRING 高置信 PPI、可选 MSigDB MH；只读挂进所有视图的 prior/；方向库加 3–4 条用法；KEGG 与含禁窗来源的标记库/嵌入不用理由与否决的方案沙箱不能联网，生物背景知识必须锁定前准备；是否有效交给搜索检验 否决：不加先验；运行时联网检索 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G12_prior_knowledge.md |
| 2026-09-30 | LLM 记忆与预训练模型 | search_spec 禁止把保留阶段/基因型的具体生物学事实写进代码（类型、比例、标记、表达）；审查检查此条；任何预训练模型或基因嵌入先查训练数据，含禁窗阶段或保留基因型即不用理由与否决的方案规则 §10：任何途径（含在其上预训练的模型）都不能用保留数据；LLM 记忆无法完全阻止，但可禁止写入 否决：不做约束 裁定：人工（用户），Claude 建议 · 文档：agent/prompts/search_spec.md |
| 2026-09-30 | 数据使用范围文档 | 新增 notes/competition/11_data_use_scope.md：规则 §10/§16 与条款 §14 逐句要点、我们的执行口径、当前在用数据清单、最终提交前建议集中问组委会的 5 个问题理由与否决的方案规则分散在多处；规则明确鼓励拿不准先问且事先答复不算违规 否决：— 裁定：人工（用户） · 文档：notes/competition/11_data_use_scope.md |
| 2026-09-30 | 搜索并发 | 默认 concurrency.nodes=2 起步；G6 在 Spark 真实测试中加并发 3 对比（每节点/每角色耗时、GPU 与打分排队、vec.slice 内存峰值、CPU、Token Plan 限流），据数据定默认值，资源有余则提到 3–4理由与否决的方案一个节点约 50–60 分钟，并发决定 12 小时节点数（2→20–24，3→30–36）；瓶颈在单 GPU、T1 打分约 24 GB、18 核、Token Plan 限额 否决：直接定死 2；直接上 4 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G6_layer1_controller.md |
| 2026-09-30 | proxy 外部数据 | proxy 视图只挂外部训练数据中 ≤ 该视图最后一个输入阶段的部分（T1 proxy ≤ E8.5，目前为空）；final 视图按该设置允许的全部训练数据挂载。视图构造（G6）按此实现理由与否决的方案保持 proxy 与 final 的信息条件一致：final 没有目标阶段附近的外部数据（禁窗），proxy 也不能有，否则替代分虚高、搜索偏向依赖外部数据的方法 否决：proxy 完全不挂外部数据；不限制只靠对照 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G6_layer1_controller.md |
| 2026-09-30 | 外部数据 F2 结论 | MOSTA 数据许可落实：用户 2026-09-30 查阅 CNGB 全站条款（https://db.cngb.org/terms/）后确认可用于本项目；MOSTA 页面声明数据 available for the research community，要求引用 Chen et al. 2022 Cell 185(10):1777–1792（论文 CC BY 4.0）。catalog 中 mosta 相关条目改为已核实，并写入上述依据（待 G11 完成后更新）理由与否决的方案F2 要求最终提交前核实 否决：联系 CNGB/作者书面确认 裁定：人工（用户） · 文档：data/external/catalog.yaml |
| 2026-09-30 | 外部数据 F3 Qiu 晚期用途 | Qiu E14–E17 全部留作 T1 类外部测试题（3 个时间点，相邻天合并增加细胞数），不进训练；训练改用 Qiu 所有窗外早期胚胎（E8.75、E9.0、E9.25–9.5）；在 G11 执行，v0 的 E15.0/E16.75 训练文件届时移除理由与否决的方案同一阶段不能既训练又测试；晚期心脏细胞少；E14+ 对预测 E10.5 帮助有限（09-24 分析） 否决：晚期做训练、T1 测试题另找数据 裁定：人工（用户），Claude 建议 · 文档：notes/plan/README.md |
| 2026-09-30 | 外部数据 F2 MOSTA 许可 | MOSTA E9.5 训练数据先用；由用户联系 CNGB/作者确认数据许可；最终提交前仍未核实则最终 run 不挂载它理由与否决的方案与 D4 一致；论文 CC BY 4.0 但 CNGB 未写数据许可 否决：现在就停用 裁定：人工（用户），Claude 建议 · 文档：data/external/catalog.yaml |
| 2026-09-30 | 外部数据 F1 分期冲突 | Qiu embryo_15–17 按体节数（16–18 节 = E9.0，与作者标注一致）分期并保留；CELLxGENE 的 Theiler TS14（通用范围 E8.5–9.75）只记录不用于判定；catalog 与披露写明依据理由与否决的方案体节数是对这些胚胎的精细测量，TS 只是粗范围；E9.0 距禁窗边界 0.5 天；删掉会损失全部早期心脏细胞 否决：按 TS14 区间保守删除；问组委会（暂不问） 裁定：人工（用户），Claude 建议 · 文档：data/external/catalog.yaml |
| 2026-09-30 | 搜索 E7 框架 | 以 ERA futs.py 为核心（原样拷贝进 agent/search/，含上游测试），照 DrugEvolve 补 Researcher（出方案）/ Engineer（opencode 会话实现+训练+调试，兼 Debugger）/ Analyst（分析报告）；继承代码而非思路；OpenEvolve 与 DrugEvolve 以后再学；用户的 2026_ERA 目录继续做实验场理由与否决的方案ERA 只覆盖 DrugEvolve 的 Engineer 部分；锁、证据、沙箱都在本仓库 否决：引入 OpenEvolve 或 DrugEvolve 整套框架；在 2026_ERA 目录里开发 裁定：人工（用户） · 文档：notes/plan/tasks/G6_layer1_controller.md |
| 2026-09-30 | 搜索 E6 思考强度 | qwen3.8-max 按角色设：Researcher 默认、Engineer thinking_budget≈4096、Analyst≈2048，经 opencode 配置透传；首个真实节点实测后再定理由与否决的方案实测简单任务：默认 14s、1024 预算 12s、关闭思考 6s；Engineer 一会话数十次调用 否决：统一关闭思考；统一默认 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 搜索 E5 去重 | 暂不加 Inspector 方案去重；首轮 7×24 后若实验表显示重复严重再加理由与否决的方案每加一步多一个失败点 否决：DrugEvolve 式 Inspector 裁定：人工（用户） · 文档：notes/plan/tasks/G6_layer1_controller.md |
| 2026-09-30 | 搜索 E4 测试 | 官网 P2 作独立测试集（每 run 交最佳与次佳）；外部小鼠窗外测试题（如 Qiu E14→E15→E16、MOSTA E14.5+E16.5→E15.5）只在终选时用于排除崩溃方法，不参与搜索；测试用阶段不进训练理由与否决的方案同一替代评测反复挑选会偏乐观 否决：外部测试作第二个搜索分数；反向替代题；切目标细胞留出集 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 搜索 E3 知识来源 | 方向库 ideas_<board>.md（draft 节点轮换指定）+ DrugEvolve 式文献库 agent/knowledge/（离线 BM25 检索前 3 条）；文献库只收方法类条目，保留阶段的生物学描述一律不收，逐条由 Claude 审核理由与否决的方案模型大多只调参因缺方向；文献里保留阶段的事实来自其实测数据，可能构成间接使用 否决：不注入；文献什么都收 裁定：人工（用户），Claude 建议 · 文档：agent/knowledge/ |
| 2026-09-30 | 搜索 E2 节点间信息 | 每节点执行后加 Analyst（一次 LLM 调用）写 ANALYSIS.json，输入为程序生成的相对父节点变化量表、diff、PLAN、会话说明；后续节点看父节点完整报告、兄弟与前几名摘要，变化量表原样附上理由与否决的方案避免重复试错、给出方向；原始数字保留以防 Analyst 偏见累积 否决：只用程序生成的实验表（Q4 旧口径） 裁定：人工（用户） · 文档：notes/plan/tasks/G6_layer1_controller.md |
| 2026-09-30 | 搜索 E1 选父节点 | futs.py 原样拷贝；包装层加虚拟访问（并发时不选同一父节点）、连续 2 个子节点失败暂停其父节点资格、同分平均排名；会话被告知父节点耗时与预算理由与否决的方案ERA 实测节点 9 连选 5 次 4 次超时：原因是生成程序跑太久（非 grok 不稳定），且 argmax 确定性 否决：改成随机抽样；保持原样 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 第二层取消 | 取消自动化第二层（harness 自优化）。harness 改进改为人工：Claude 每日读第一层轨迹写改进建议，用户拍板，改任务书/方法卡/搜索参数后开新 run，每次记 decisions.tsv；外部数据转为只做训练，考题不再扩展理由与否决的方案目标是最高分，分数只取决于第一层最佳程序；第二层评估贵（每代数小时×3 seed）且噪声大（打分约 1 分噪声）、考题以斑马鱼为主与小鼠目标不同；锁定前人工改 harness 规则明确允许且更快更准 否决：完整第二层；轻量第二层（自动调搜索参数）暂不做，有富余时间再议 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | Spark 访问与常驻（S3） | 虚拟机经 Mac 反向隧道访问 Spark（Mac tmux spark-tunnel：ssh -p 2222 -R 127.0.0.1:2201:192.168.5.84:22）；ssh 别名 spark；linger 已开启，用户服务退出登录后继续运行理由与否决的方案虚拟机（QEMU user-mode + mihomo TUN）访问不到局域网和宿主机，Mac→虚拟机 hostfwd 可用 否决：桥接网络；Mac 远程登录做 ProxyJump（虚拟机连不到 10.0.2.2） 裁定：人工（用户） · 文档：~/.ssh/config |
| 2026-09-30 | Spark 资源上限（S2） | ~/.config/systemd/user/vec.slice：MemoryHigh 90G、MemoryMax 96G、Swap 8G、CPUQuota 1800%；所有 run/会话/打分单元放进该切片；统一内存下 GPU 显存是否计入待 G5 实测理由与否决的方案共用机器（用户 spark 的桌面会话、root 常驻 decimer/OpenDeepWiki/docker），当前无计算任务，后续基本只有本项目 否决：独占整机 裁定：人工（用户），Claude 建议 · 文档：notes/plan/README.md |
| 2026-09-30 | Spark 上的 LLM（S1） | Spark 上 run 内研究 Agent 用 opencode + alibaba-token-plan-cn/qwen3.8-max（Token Plan，北京节点）；key 从 gopass services/aliyun-token-plan 管道写入 Spark 的 opencode auth.json（600），不落对话；已测通工具调用理由与否决的方案Spark 访问不到 api.x.ai、huggingface；百炼国内节点可达 否决：经虚拟机中转 grok；Spark 装个人代理 裁定：人工（用户） · 文档：agent/configs/ |
| 2026-09-30 | 外部数据合规 D5 | 考题数据也在方法说明里披露（用于 harness 开发评估）理由与否决的方案规则未写明处保守处理、全部披露 否决：只披露训练数据 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 外部数据合规 D4 | 数据许可未核实的考题数据（Zebrahub、MOSTA）先用并标记，最终提交前核实，核实不了就换理由与否决的方案只做考题，不进预测文件 否决：核实前不用 裁定：人工（用户），Claude 建议 · 文档：data/external/catalog.yaml |
| 2026-09-30 | 外部数据合规 D3 | Qiu 2024 ≥E14 合规数据放进训练，怎么用由搜索检验；方法卡保留风险提示（窗内新状态两端不可见）理由与否决的方案合规数据的用法是方法问题不是合规问题 否决：只作晚期先验、禁止作外推右端（09-24 旧口径） 裁定：人工（用户），Claude 建议 · 文档：agent/prompts/method_cards_t1.md |
| 2026-09-30 | 外部数据合规 D2 | 同一数据集可按阶段拆成训练与考题（如 MOSTA E9.5 训练、E14.5–16.5 考题），同一阶段绝不两用，目录标清理由与否决的方案E9.5 小鼠空间数据对心脏外推价值高 否决：一个数据集只能一种用途 裁定：人工（用户），Claude 建议 · 文档：data/external/catalog.yaml |
| 2026-09-30 | 外部数据合规 D1 | 禁窗按设置（setting）算：两个心脏榜共用 (8.25,8.75) 与 (9.5,13.5]；T1 (9.5,13.5]；全胚 (7.25,8.0)；分期不确定按区间，碰窗即排除理由与否决的方案保留阶段数据任何途径都不能用；心脏设置的保留阶段含 E10.5 否决：按单个榜算（心脏插值可用 E11） 裁定：人工（用户），Claude 建议 · 文档：notes/plan/tasks/G3_data_curation_v0.md |
| 2026-09-30 | 组委会与提交 | 暂不问组委会，规则未写明处按保守理解并全披露；官网提交先半自动（脚本备文件和证据、人点提交），摸顺后再全自动；5090 用 SSH 密钥理由与否决的方案先把框架搭起来；登录态和提交放沙箱外 否决：立即做全自动提交；在对话里传密码 裁定：人工（用户） · 文档：notes/plan/README.md |
| 2026-09-30 | 外部数据 | 训练只用小鼠窗外数据，按榜标注可用榜；考题用外部数据（Zebrahub、MOSTA E14.5+ 起步，扩到 ZSCAPE/Briggs/ZESTA），按所有禁窗并集；一个数据集只标一种用途；禁窗内细胞下载后先删，不训练也不测试；先用抽样数据搭流程理由与否决的方案跨物种轨迹差异大，训练易负优化；禁窗数据任何途径都不能用，包括只做评价 否决：非小鼠数据参与训练；禁窗数据只做测试；鸡/人心脏、小鼠类胚体（风险高） 裁定：人工（用户） · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 第二层机制 | 白名单内可改（任务书、方法卡、搜索参数、上下文策略、工具），评分器/打分服务/视图/数据目录/合规/锁与打包禁改；外部考题上缩短版第一层 ×3 seed 配对检验才采纳；两层交替理由与否决的方案防止第二层把尺子改松；单 seed 排名不可信 否决：用 T1/T2 替代评测当考题（会背答案，且与第一层优化对象冲突）；用官网分数 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 第一层机制 | 节点 = worktree 内 45 min opencode 会话，并发 3，GPU 排队；输入父代码 + 程序生成的全树实验表；打分服务在沙箱外、每节点 ≤20 次、正式分由 harness 重跑；前 10% 节点另开会话审查；bwrap 文件隔离 + LLM 域名白名单理由与否决的方案run2 的效率来自会话内快速筛选；评分器与目标须在 Agent 够不着处；强模型会钻评分漏洞 否决：生成器不能查分（ERA 原版）；只传父节点；评分器留在沙箱内 裁定：人工（用户），Claude 建议 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | 框架选型 | 方案 A：自写薄控制器（拷 ERA futs、参考 headless-cli；借 Shinka/MLEvolve/Vesper 思路；第二层照 Meta-Harness）理由与否决的方案无现成框架支持完整 opencode 会话作变异算子；合规部件无论如何自写；第一层须小而透明，第二层才改得动 否决：Kapso；魔改 OpenEvolve/ShinkaEvolve；DGM/HyperAgents 代码（后者 NC 许可） 裁定：人工（用户），Claude 建议 · 文档：notes/research/agent_framework_options.md |
| 2026-09-30 | Agent 平台目标 | 5090 上 7×24 两层自优化：第一层 ERA 式算法搜索（选、组合、训练模型），第二层读轨迹改 harness；开发属锁定前，最终只提交一个锁定 run（最后一版 harness + 开发期最佳程序作种子，24–48 h，自动终选）理由与否决的方案规则 §9 锁定前一切允许；证据只需最终 run，规避 600 MB 上限 否决：把 7×24 整体做成一个锁定 run；第二层做成锁定元 run 裁定：人工（用户） · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-30 | Agent 架构 | 锁定 harness 内加 ERA 式程序搜索（FUTS 选父节点 + 每节点一个 opencode 会话 + bwrap 隔离执行 + 主仓库评分）；保留单 Agent 模式作基线和 T3理由与否决的方案run2 用 8% 预算就收工、贪心单线、评分器可被 Agent 修改、替代目标可读；challenge 页明确接受 LLM 进化式系统 否决：直接用 ERA 仓库代码（无持久化、标量反馈、同分排名偏置）；04 的多角色递归架构；只改任务书要求用满预算 裁定：Claude 提案，用户定方向 · 文档：notes/competition/10_harness_era_architecture.md |
| 2026-09-27 | run 预算计时 | 仍按挂钟时间（停机也计时）；靠 systemd 脱离、内存上限、自动重启避免停机理由与否决的方案保持锁定配置语义简单 否决：只计实际运行时间 裁定：人工（用户） · 文档：agent/harness.py |
| 2026-09-27 | 任务顺序 | T1 做完再做 T2，T2 做完再做 T3；每个锁定 run 只跑当前任务（run2 = T1）理由与否决的方案run1 同时摊在 5 个榜、1.5 h 内每个都浅尝辄止，T1 只比地板高 0.4 否决：每个 run 全 5 榜并行 裁定：人工（用户） · 文档：agent/configs/t1.yaml |
| 2026-09-24 | harness 崩溃续跑 | 崩溃（含退出码 0 但有致命错误）自动用同一会话 + 固定续跑提示词重启，最多 max_restarts 次，写入轨迹理由与否决的方案规则 §9：配置不变的重启是同一个 run；grok 曾中途 OAuth 失效 否决：人工手动 resume 裁定：Claude · 文档：agent/harness.py |
| 2026-09-24 | 参赛模型 | 早期锁定 run 与脏活用 opencode + grok-4.7；codex GPT-6、Gemini 3.8 Flash、Qwen3.8-Max、GLM-5.3 可早期试；最终冲刺用 Claude Code + Opus 5.5理由与否决的方案订阅制，Claude 额度贵；每次提交各自申报框架与模型，可多配置跑后择优 否决：全程只用 Opus 裁定：人工（用户） · 文档：agent/configs/example.yaml |
| 2026-09-24 | T1 外部数据 | Qiu 2024 删窗（E9.5 后至 E13.5，含 27 体节起）后可用；E14+ 作右端规则允许，先作晚期表达先验，与纯外推比替代分再定理由与否决的方案规则禁窗内测量而非窗外数据的用法；MOCA 删窗后只剩 E9.5 否决：下载 MOCA 或 Qiu 全时期直接训练；grok 原稿「禁止 E9.5 与 E14 插值」（把建模判断写成规则） 裁定：Claude 审改 · 文档：notes/competition/09_t1_census_lineage.md |
| 2026-09-24 | T1 不确定边 | NCC-derived 和 ST 不写唯一亲本理由与否决的方案NCC 与轴旁中胚层余弦只差 0.003；ST 的 OT 第 1 是 EXEM（0.309），JCF 第 2（0.239） 否决：把 NCC 到 NCC-derived 写死，或改用 EXEM 作为 ST 来源 裁定：Claude 审过 · 文档：notes/competition/09_t1_census_lineage.md |
| 2026-09-24 | T1 改名 | V-CM 和 Endocardium 按改名带进 E10.5，不再当新出生理由与否决的方案V-CM 对 LV-CM 余弦 0.992，LV+RV 流入 0.565；Endocardium 对 Endothelium 余弦 0.988，流入 0.739 否决：把这两型当成 E9.5 才分化出的新状态 裁定：Claude 审过 · 文档：notes/competition/09_t1_census_lineage.md |
| 2026-09-24 | T1 BEC | BEC 是血液内皮，生成时从 Endothelium 来，不从前肠来理由与否决的方案Krt19+Epcam 均值对数 0.025，Kdr+Pecam1 为 3.739；不平衡 OT 的 0.770 来自 Endothelium 否决：把 BEC 当初胆上皮或肝芽分支 裁定：Claude 审过 · 文档：notes/competition/09_t1_census_lineage.md |
| 2026-09-24 | 参赛身份 | 以公司（华大）员工身份参赛理由与否决的方案公司已允许；规则 §3 要求员工身份队员来自同一单位、不可混合身份 否决：个人身份 裁定：人工（用户） · 文档：notes/来件/virtualembryo.ai/rules.md |
| 2026-09-24 | 算力策略 | 本机（QEMU 虚拟机 CPU，可选宿主机 MPS）小样本确定架构与算法；RTX 5090 做正式训练；代码设备无关、规模参数化理由与否决的方案虚拟机无 GPU 直通（virtio 仅显示）；T2/T3 与 OT/PCA 类方法 CPU 足够；先定方法再花 GPU 时间 否决：一开始就上 5090 大模型 裁定：人工（用户） · 文档：notes/plan/README.md |
| 2026-09-24 | 替代评测口径 | 5 榜用训练阶段做替代评测；组内指标等权；T2 结构门控 = 形状分 × min(邻域分/0.5, 1)理由与否决的方案官方只给组权重和「形状乘邻域结构」；pseudobulk_shift 心脏外推替代分 48.8 与官方反推 47.7 同侧且接近 否决：门控写成 邻域分/0.5 不封顶（会给形状加分） 裁定：自检（Claude 审 grok） · 文档：modeling/src/common/evaluation/proxy.py |
| 2026-09-23 | Biomedical world model | 吸收 Cell Perspective 的条件状态转移、群体级动力学和长程评估框架；作为 T1/T2/T3 的问题定义与 Agent 审计参考，不改变 T1 当前谱系加混合生成路线理由与否决的方案VEC 数据是破坏性横截面且干预覆盖稀疏，文章的纵向测量和因果验证条件当前并不具备；观点不能替代官方分数和本地实验 否决：直接将 Perspective 当作可复现算法或因果 KO 证据 裁定：人工（用户） · 文档：notes/competition/07_biomedical_world_models.md |
| 2026-09-21 | JEPA/OPF 选型 | 不采纳 JEPA-Anything（OPF）作为 T1 架构，降级为 T2 候选；对照与晋级口径写进 03 第 4 节，artifacts 那份备忘标已取代理由与否决的方案T1 只有 E8.5、E9.5 两个训练阶段，学不出 latent 动力学；官方已公布参考神经 ODE 打不过常数位移；官方说真问题是新细胞出现而非旧细胞位移，JEPA 没有造出新类型的机制 否决：直接上 OPF 统一 backbone 替换 T1/T2/T3；按备忘建议先建 single-path 与 OPF-JEPA 的 T1 baseline 裁定：人工（用户） · 文档：notes/competition/03_solution_landscape.md |
| 2026-09-21 | 共享类型口径 | 核对官方 h5ad：celltype 列 E8.5 18 型、E9.5 21 型、同名 11 个，与官方任务页一致；评测页「只共享 5 种」与任务页和原始文件矛盾，不予采用理由与否决的方案原始输入和官方任务页互相印证才敢往下建图；E10.5 有 23 型、13 个与 E9.5 同名，新类型问题在目标阶段同样存在 否决：按评测页的 5 个重新划定新类型范围 裁定：人工（用户）要求先核对原始材料 · 文档：notes/competition/06_e95_parent_draft.md |
| 2026-09-21 | E9.5 来源假设表 | 写出 10 种新细胞的文献来源假设，高把握五条待数据验证理由与否决的方案先有一张能反对的表，再跑 PAGA/OT 否决：先确认边再对文献 裁定：自检 · 文档：notes/competition/06_e95_parent_draft.md |
| 2026-09-21 | 谱系覆盖 | 先验边只覆盖 E9.5 多出的 10 型及其在 E8.5 的可能亲本理由与否决的方案整棵胚胎树用不上；神经管从 E8.5 消失更像取材变了 否决：先画全胚分化树 裁定：人工（用户） · 文档：notes/competition/05_lineage_graph.md |
| 2026-09-21 | 谱系图方法 | 先文献先验，再用 PAGA 通不通、最优传输看质量往哪流；不做全局 ODE理由与否决的方案官网 ODE 打不过位移；Saelens 2019 许多轨迹算法会编造拓扑 否决：一上来跑几十种伪时间方法 裁定：人工（用户） · 文档：notes/competition/05_lineage_graph.md |
| 2026-09-21 | RNA velocity | 整场训练文件都不用 velocity / CellRank理由与否决的方案T1 layers 为空；T2/T3 只有 counts 和 log1p，没有未剪切 RNA 否决：笔记里「用 Multiome 算切线速度」 裁定：人工（用户） · 文档：notes/competition/05_lineage_graph.md |
| 2026-09-21 | 评测 | 日常用 E8.5 预测 E9.5 打 veckit；E10.5 只能交上去换分理由与否决的方案官方没有 E10.5 真值；veckit 必须自己提供答案文件 否决：把 E10.5 预测拿 E9.5 当答案打分 裁定：人工（用户） · 文档：notes/competition/05_lineage_graph.md |