Virtual Embryo Challenge更新于 10-03 20:13（北京时间） / 每 5 分钟更新

← 工作原理 · 原文件 notes/plan/README.md（Markdown 源文件已渲染；链接到其他文档的会跳转，指向源码的只显示路径）

执行计划与进度

总目标：Agent Team 赛道，总分先过 188.8（09-21 Agent 前 10），再冲奖牌线 207.7。依据见 训练目标、正式规则 §9–11。

分工：Claude 定方案、写任务书、审查、提交。平台工程（阶段 3b 起）由 Claude Opus 5.5 子 agent 按任务书实现（2026-09-30 用户定）；grok-4.7 只作为 run 内的研究 Agent。早期任务 A–F 由 opencode + grok 完成（tasks/grok.sh <字母>）。任务书在 tasks/。决策记 decisions.tsv，分数记 experiments.tsv。

时间线

日期阶段含义
现在 → 10-20P2每任务每天 8 次打分，最后的大量试错窗口
10-20P3验证真值公开；测试榜每榜整个阶段只有 2 次
12-02截止目标 11-28 前交完

阶段 0：基础（09-24 → 09-27）

  • ☑ 提交历史改动；停用 harness 里在主仓库 git checkout -f 的回滚
  • ☑ 清理 submissions 重复文件；artifacts/ 并入 notes/research/
  • ☑ venv ~/.venvs/vec（Python 3.12，scanpy / torch-cpu / veckit / POT）
  • ☑ 公司允许以员工身份参赛（2026-09-24 用户确认）→ 全队须同一单位（华大）员工身份，不可混入个人身份
  • ☑ 确认官网已注册 Agent Team、每位队员已各自接受规则（2026-10-01 用户确认）
  • ☑ 算力（2026-09-24）：开发在 M1 Max 64G 上的 QEMU 虚拟机（8 核、39 GB，virtio 显卡无算力）；正式训练用 NVIDIA DGX Spark（原记 RTX 5090，2026-09-30 更正）
  • ☐ 可选：在 macOS 宿主机用 PyTorch MPS 跑小模型原型（仓库在共享目录，宿主机可直接访问）
  • ☐ 所有模型代码设备无关（cuda → mps → cpu 自动选择），规模参数化（细胞下采样、隐层宽度），本机小样本定架构，DGX Spark 上放大

阶段 1：5 个榜的本地替代评测（09-26 → 10-01）

榜替代评测
T1E8.5 → E9.5
心脏插值E8.25 + E9.5 → E8.75
心脏外推E8.25 + E8.75 → E9.5
全胚插值E6.75 + E8.0 → E7.25
T3 Gata4只能做格式 / 方向自检
  • ☑ 任务 A：scripts/score_proxy.py + 格式检查 + 各榜地板/天花板。口径校验：pseudobulk_shift 心脏外推替代评测 48.8，官方反推约 47.7
  • ☑ 任务 C：T2/T3 数据普查 → 08_t2_t3_data_census.md
  • ☑ 任务 E：T1 普查 + 谱系边验证 + 外部数据调研 → 09、T1 卡
  • ☑ 各榜地板分数写入 experiments.tsv

阶段 2：人工探路 → 方法卡（09-28 → 10-08）

顺序（2026-09-27 用户定）：T1 做完再做 T2，T2 做完再做 T3。 每阶段 run 只跑当前任务。

锁定前允许人主导开发，成果写进 agent/prompts/method_cards.md 给 Agent 作起点。

  • ☑ 任务 D：T3 同义名映射 + leave-gene-out 验证 → T3 卡。只有「基因置零」稳定 >50（提交版替代分 53.9）；共表达传播无效；主要信号须来自线上分数与合规先验
  • ☐ T1：谱系先验 + PAGA / OT 定新细胞来源 + 按比例混合生成（见 05、06）
  • ☑ 任务 F：T2 → T2 卡。心脏插值 59.1、全胚插值 56.0（细胞状态组 36.3 是弱点）、心脏外推退回 copy_last=50
  • ☑ 三张方法卡合并为 agent/prompts/method_cards.md

阶段 3：harness（09-30 → 10-10）

  • ☑ 任务 B：agent/harness.py（launch / resume / status / package / verify），配置锁、隔离 workspace、证据打包；grok 冒烟通过
  • ☑ 屏蔽 /mnt/mac/CLAUDE.md 进入 Agent 上下文（claudeMdExcludes，已实测）
  • ☑ 重写 agent/prompts/initial_spec.md
  • ☑ verify 接上任务 A 的 check_format(board, path)
  • ☑ 参赛模型策略（2026-09-24）：早期 opencode + grok-4.7 大量跑；其他便宜模型可早试；最终冲刺 Claude Code + Opus 5.5
  • ☑ opencode 禁网配置、崩溃自动续跑（已实测：杀进程后同会话续跑完成）
  • ☐ 接入更多后端：codex（GPT-6）优先，其次 Gemini / Qwen / GLM
  • ☑ harness：launch / resume 默认经 systemd-run --user 脱离操作者会话（--foreground 可关），整个 run 受 MemoryMax（配置 budget.memory_max，默认 30G）+ MemorySwapMax=4G 限制，OOMPolicy=continue 只杀超限的最大进程；resume 也走自动重启，重启次数跨进程累计（2026-09-27，已实测）
  • ☑ harness 改进（2026-09-27，run2 前）：锁 v2 比较 agent/ modeling/ scripts/ 已跟踪文件的内容而非 HEAD；workspace 只复制已跟踪文件（run1 曾把 900 MB 未跟踪的 logs 带进去）；重启间隔 1→2→4→8→10 分钟、上限 6 次；package 排除 workspace .git、附 workspace_changes.patch 与 OPERATOR_NOTES.md；verify 用同盘时钟比 mtime；.gitignore 匹配 agent/runs 符号链接
  • ☑ 方法卡拆为 method_cards_t1/t2/t3.md，配置按任务选用；任务书只做头部列出的榜，进 final/ 的文件必须先有替代评测记录，写明 30 GB 内存上限
  • ☑ 虚拟机时钟同步（2026-09-27）：mihomo TUN 不转发 UDP，NTP 不通；改为 root 定时器 https-timesync.timer，每 5 分钟读 HTTPS Date 头，偏差 > 2 s 即校正
  • ☑ 第一个真实锁定 run（全 5 榜）20260925-001829-grok-all-boards：实跑约 1.5 h 后崩溃，预算耗尽；2026-09-27 package + verify 通过。Agent 自测替代分：T1 50.4、心脏插值约 59、全胚插值 59.6、心脏外推与 T3 未记录
  • ☐ run1 结果提交 P2，拿第一批线上分校准替代评测
  • ☑ run2：只做 T1 20260927-172643-grok-t1（harness 5210e7d，opencode 1.18.32）：无崩溃，39 min 后 Agent 自行结束（8 h 只用 8%）；package + verify 通过。选 heart_jcf_peri（按细胞类型重加权取样，不改表达），T1 替代分 55.97（run1 50.4）；cgroup 内存峰值 28.1G（含页缓存），无 OOM
  • ☐ run3（T1）：任务书要求用满预算 → 改由阶段 3b 的搜索模式解决（预算由控制器用满，「新出生细胞类型」作为独立种子或分支）
  • ☑ 正式锁定 run 在哪台机器跑：2026-09-30 定为 DGX Spark，harness、会话、训练全部在上面运行（机器信息写入 lock），见 G5

阶段 3b：两层自优化平台（09-30 → 10-12）

架构见 10_harness_era_architecture.md，框架选型见 agent_framework_options.md（方案 A：自写薄控制器）。执行方式：Claude Opus 子 agent 实现，Claude 写任务书并审查。任务书放在 tasks/G<n>_*.md。

任务内容验收依赖目标日期
G0 校准run1、run2 的 T1 结果交 P2（用户手动交），线上分记入 experiments.tsv拿到线上分；判断替代分的排序是否可信—10-01
G1 评估器隔离 ✅ 09-30① 评分移出 workspace，由 harness 调用；package 时用锁定版评分器重算 final/*.h5ad，和 Agent 自报分数对比 ② 锁里加入 veckit 版本和 pip freeze 哈希 ③ agent 模式也加上 bwrap：只挂载 workspace 和数据，主仓库、其他 run 都看不到 ④ 评分器不变性测试：同一文件重复打分、打乱细胞顺序、T2 刚体旋转在 workspace 里改 proxy.py 不影响 package 分数；run 内读不到主仓库 notes/；出不变性测试报告—10-02
G2 候选契约 + 视图 ✅ 09-30① 生成 proxy/final 数据视图（4 个榜，每个带 manifest.json） ② run.py --data --out --seed 契约和 vec-check ③ T1 种子：copy_last、pseudobulk_shift，以及从 run2 移植的 heart_jcf_peri ④ scripts/run_t1_local.py 的逻辑迁入 modeling/src/task1_temporal/；删除已被取代的 scripts/score_t1_proxy.py3 个种子在两种视图下都能跑通；heart_jcf_peri 的 proxy 分复现 55.97 ± 0.5—10-03
G3 数据策展 v0（抽样） ✅ 09-30data/external/catalog.yaml + 删窗和阶段换算工具。训练：Qiu 2024 心脏相关的 2–3 个窗外时间点，每个时间点 ≤5 千细胞，按榜标注。考题：B1 Zebrahub、B5 MOSTA，各带地板/天花板标定。逐项核对许可。禁窗内的细胞在下载后第一步就删掉每条数据都有来源、阶段、删窗记录、哈希；Claude 审核合规；两道考题的地板和天花板能算出来，每次打分 ≤1 分钟—10-04
G4 打分服务 + 沙箱 ✅ 09-30① 沙箱外的打分服务：持有目标和锁定版评分器，同时支持榜的替代评测和考题；限次数；每次调用记日志；返回结构化结果 ② bwrap 配置：视图和训练数据只读，worktree 可写，GPU 透传 ③ 网络白名单代理，只放行 LLM API 域名沙箱内读不到目标，也读不到主仓库；访问非白名单域名失败；opencode 能正常调用 grok；超过查询上限时被拒绝G110-05
G5 DGX Spark 部署 ✅ 09-30SSH 密钥、Python 环境、opencode、systemd 用户服务、时钟同步；每日仪表盘（分数曲线、失败率、GPU 利用率、第二层采纳记录）在 DGX Spark 上跑通现有的 smoke 配置；机器信息写进锁用户开通 SSH10-05
G6 搜索控制器ERA futs.py 原样拷贝 + 包装层（虚拟访问、失败降权）；每节点 Researcher（PLAN.json）→ Engineer（opencode 会话）→ 执行打分 → Analyst（ANALYSIS.json）；前 10% 审查；终选（3 seed + 外部测试题 + final 视图）；SQLite 存档、续跑、打包、日报 HTML。详见任务书上游 futs 测试 + select 测试通过；假后端 15 分钟全流程；kill 后续跑；Spark 上 qwen3.8-max 真实跑 3 个节点并对比思考强度G2、G4、G5、G6b10-08
G6b 方向库 + 文献库 ✅ 09-30agent/prompts/ideas_<board>.md（从 03/05/06/07 笔记和方法卡整理）；agent/knowledge/*.json（handover 论文、调研笔记、Zotero 的方法类条目，逐条合规审核）T1 方向 ≥ 8 条、文献 ≥ 20 条，均带来源—10-06
G7 第一层冒烟 → 首个 12 小时 run先在 T1 上冒烟：1 小时、6 个节点；再跑 12 小时锁定 run，结果交 P2package 和 verify 通过；测出节点平均耗时；线上分 > run2G5、G610-09
G8 半自动提交（进行中）沙箱外的脚本：挑出已结束 run 的 final 文件 → 格式检查 → 打包证据 → 人点提交；登录态只放在沙箱外完整走通一次 P2 提交，证据上传后进入评分G710-10
G9 第二层元循环 已取消（09-30）agent/meta/：一段会话读原始轨迹 → 改写白名单内的文件 → 程序检查 diff 是否越界 → 在考题上跑缩短版第一层 ×3 seed → 配对检验 → 新 harness 版本入库；Pareto 前沿；借 HGM 的 CMP 选父版本越界的改动被拒；一代能在 ≤6 小时内跑完；采纳记录可追溯到具体轨迹G3、G710-12
G10 第一层 7×24 开跑第一层 12 小时 run 连续滚动；每日人工复盘轨迹 → 改任务书/方法卡/搜索参数 → 新 run；按 T1 → T2 → T3 推进连续 48 小时稳定运行G710-10
G11 数据策展 v1 + 外部测试题 ✅ 09-30训练：Qiu 所有窗外早期胚胎（E8.75、E9.0、E9.25–9.5）+ MOSTA E9.5（可选 Pijuan-Sala 早期）；移除 v0 的 Qiu E15.0/E16.75 训练文件。外部测试题：T1 类用 Qiu E14–E17 心脏细胞（3 个时间点，相邻天合并），T2 类用 MOSTA E14.5+E16.5→E15.5（v0 的 B5 文件补锚点）；测试阶段不进训练（F3）同 G3；每道测试题的地板/天花板可算G310-12
G12 生物先验知识库 ✅ 10-01data/external/prior/：Reactome、GO、CollecTRI（剔除 Gata4/Ctnnb1 敲除来源）、STRING、可选 MSigDB MH；只读挂进视图 prior/；方向库加 3–4 条许可逐项核实；check_catalog 覆盖；与 T1/T2 面板的基因覆盖率—10-03
G14 打分提速 ✅ 10-01缓存目标侧计算、避免整矩阵稠密化；与原评分器逐位一致；scripts/score_proxy_fast.py4 个榜全部指标完全相等；报告提速和内存下降—10-03
G15 T2 准备 ✅ 10-013 个 T2 榜的种子（符合 run.py 契约）+ T2 方向库种子复现 T2 卡分数 ±0.5；final 视图通过格式检查G210-03
G13 全自动提交半自动流程稳定后，由提交脚本在 run 结束时自动提交连续 3 天无误G8视情况

依赖关系：G0、G3、G5、G6b 可以并行；G4 → G6 → G7 → G10（第二层已取消）。第一层架构已定稿（E1–E7，见 10），G4 现在可以启动。如果 G0 显示替代分和线上分的排序不一致，先修替代评测，再做 G7。

阶段 4：第一层 7×24 + 每日人工复盘（10-10 → 11-20）

  • ☐ 第一层每个 12 小时 run 都是锁定 run，结束后择优交 P2（到 10-20 为止，每任务每天 8 次）
  • ☐ 10-20 以后，本地评测切换到公开的验证真值（P3 期间官网只交最终 2 次）
  • ☐ 按 T1 → T2 → T3 顺序推进；T3 暂时用 agent 模式
  • ☐ 用户每天看一次仪表盘；干预只针对故障或方向跑偏，每次都记进 decisions.tsv
  • ☐ 10-20 前总分 > 188.8

阶段 5：最终 run 与提交（11-20 → 11-28）

  • ☐ 冻结最后一版 harness；每个榜以开发期最好的若干程序为种子，锁定运行 24–48 小时，自动终选
  • ☐ 证据：锁、提示词、harness、存档，以及被选中节点祖先链上的完整轨迹（压缩，每个文件 ≤200 MB）
  • ☐ 每个榜最多 2 次正式提交：先稳后改；11-28 前交完

待问组委会（暂缓）

2026-09-30 用户定：先不问组委会，按保守理解处理。 以下问题留着备查：

  1. T1 文件 uns.celltype_palette 含 77 个类型名（其中 50 个不在训练阶段），能否用作 E10.5/E12.5 可能出现类型的词表？
  2. P3 公布的 E10.5 验证真值，能否用于训练 E12.5 的预测？
  3. 外部图谱 E14+ 用作插值右端、并删除 E9.5 后至 E13.5 的细胞，是否合规？
  4. T3：WT 组织的 Gata4 调控先验（ChIP-seq、TF-靶基因数据库）是否可用？
  5. 自动提交是否允许；run 中途提交时证据怎么上传。
  6. 非小鼠发育数据、小鼠 E14.5+ 只用来评估 harness，是否需要披露。

日志

  • 2026-09-24：阶段 0 基础完成；harness 提交（f93a971）；T2/T3 普查提交（ff96a68）；opencode 后台 -f 附件方式曾卡死 70 分钟，改为内联任务书。
  • 2026-09-24：替代评测完成并校准；结构门控改为只惩罚不放大。
  • 2026-09-24：确定员工身份参赛；算力策略=本机小样本定架构、5090 放大训练。
  • 2026-09-24：任务 E 审过提交；纠正「禁止 E9.5+E14 插值」；发现 palette 词表，列入待问组委会。
  • 2026-09-24：任务 D 审过提交；T3 保底配置 self_zero，替代分 53.9。grok 结尾报 xAI 认证失效。
  • 2026-09-24：定模型策略；harness 加禁网与崩溃续跑。
  • 2026-09-25：任务 F 审过提交；方法卡合并；harness 加 venv；00:18 启动首个锁定 run。锁定后不读中间结果、不干预（规则 §9），只看进程是否存活。
  • 2026-09-25：首个 run 约 00:40 因内存紧张被 Claude Code 回收后台进程而中断；在锁定提交的 worktree（~/vec-worktrees/42a2ad2）用 resume 续跑，systemd 单元 vec-run1。操作记录见 run 目录 OPERATOR_NOTES.md。
  • 2026-09-25：run1 约 01:50 再次崩溃，原因是 opencode 连 xAI 报 unknown certificate verification error（非内存）；当时 resume 路径没接自动重启，因此停住。8 h 预算已过，无法续跑，只能按现状 package。
  • 2026-09-27：查明 09-25 首次中断是 Claude Code 在内存峰值时回收自己的后台任务（7 秒后可用内存 24G），不是虚拟机 40G 不够，也和硬盘无关。harness 改为默认 systemd 脱离 + cgroup 内存上限，resume 补上自动重启。
  • 2026-09-27：run1 打包验证通过。用户定：按 T1 → T2 → T3 顺序推进，run2 只做 T1；预算仍按挂钟计时，重点是避免停机。harness 按 run1 暴露的问题改完。
  • 2026-09-27：首次启动 run2 卡在 opencode --version（~/.local/bin/opencode 是 mise 包装脚本，会 mise use -g 并在 systemd 环境里挂起），run 目录尚未创建即停掉；harness 改为固定到具体版本的 opencode 二进制后，17:26 启动 run2。锁定后只看存活。
  • 2026-09-27：run2 18:05 正常结束，T1 替代分 55.97；问题是提前收工与没有生成新类型。
  • 2026-09-30：读 Google ERA（结合 ChatGPT 源码审阅）；定架构：锁定 harness + ERA 式程序搜索，opencode 做生成器，评分器与替代目标隔离。见 10，新增阶段 3b（G0–G7）。整理仓库结构：删除 agent/trajectories/、agent/workspace/（run 产物统一在 agent/runs/<id>/），benchmark 笔记移入 notes/research/，04 标为部分取代。
  • 2026-09-30（下午）：与用户逐项讨论后定下两层自优化方案。5090 上 7×24 运行，第一层是 ERA 式算法搜索，第二层做 harness 自优化；开发属于锁定前，最终只提交一个锁定 run。框架选方案 A（自写薄控制器）；训练只用小鼠窗外数据，考题用外部数据（以斑马鱼为主，加 MOSTA）；禁窗内的数据不训练也不测试；暂不问组委会。阶段 3b 重排为 G0–G12。
  • 2026-09-30：G2 审过提交：4 个榜 × 2 种模式的数据视图、run.py 契约、vec_check、run_candidate，以及 3 个 T1 种子。heart_jcf_peri 的 proxy 预测与 run2 逐位相同（55.97）。T1 打分峰值约 24G 内存 + 3.6G swap，因为 veckit 会把矩阵转成稠密。
  • 2026-09-30：机器实为 DGX Spark（GB10、aarch64、121 GB 统一内存、20 核），不是 5090。虚拟机经 Mac 反向隧道访问（ssh spark）。Spark 访问不到 api.x.ai 和 huggingface，且为多人共用，待定 S1–S3。
  • 2026-09-30：Spark 就绪一半。opencode 1.18.32 已装（~/.local/bin/opencode）；qwen3.8-max（Token Plan）测通，工具调用正常；vec.slice 上限 96G/18 核；linger 开启。S1–S3 记入 decisions.tsv。G5 剩余：Python 环境（aarch64 + CUDA 13 的 torch）、同步仓库与数据、GPU 统一内存与 cgroup 实测、仪表盘。
  • 2026-09-30：G1 审过提交（ec5206c）：agent 模式 bwrap 沙箱、只读评分器快照、锁 v3、打包重打分、评分器不变性测试（打分噪声约 1 分；心脏外推榜对旋转不完全不变）。遗留：沙箱挂了完整 opencode 凭据、~/.claude 可写，放 G4 处理；T1 不变性在 Spark 上补跑。
  • 2026-09-30：用户定：取消自动化第二层，harness 改为人工每日复盘改进；外部数据只做训练。第一层架构另行讨论，G4/G6 暂缓。
  • 2026-09-30：第一层架构定稿（E1–E7）：ERA futs.py 为核心，照 DrugEvolve 补 Researcher / Analyst，Engineer 为 opencode 会话；方向库 + 文献库（只收方法类）；P2 + 外部测试题只在终选用；按角色设置 qwen3.8-max 思考强度。重写架构文档与 G6 任务书，新增 G6b，G11 加外部测试题。
  • 2026-09-30：G5 审过提交：Spark 上裸仓库 + 克隆，scripts/sync_spark.sh；~/.venvs/vec 与 VM 一致，torch 2.14.0+cu130 可用（GB10 bf16 约 84 TFLOP/s）；官方数据哈希一致；T1 复现 55.9694；T1 不变性补齐（打分噪声约 2 分）。GPU 显存不计入 cgroup，改为进程内显存上限。bwrap 被 AppArmor 挡住，等用户用 sudo 装 profile。
  • 2026-09-30：G3 审过提交：windows.py（按设置禁窗、区间保守判定、体节/Theiler 换算、基因型）+ 测试；catalog.yaml；训练数据 Qiu 2024 心脏（E9.0 三胚 2174 细胞、E15.0 308、E16.75 751）与 MOSTA E9.5（5913 bin）。Claude 逐行审核 74 胚分期：保留 5 胚均四设置允许，37 胚窗内已删。MOSTA 数据许可未核实（最终提交前必须落实）。考题 B1/B5 的文件留着但不再使用。
  • 2026-09-30：F1–F3 定：E9.0 按体节分期保留；MOSTA 许可先用、提交前核实；Qiu 晚期改作 T1 类外部测试题、训练只用早期。
  • 2026-09-30：G6b 审过提交：T1 方向库 13 条（T1-10 按 F3 改为只用早期外部数据）；方法类文献库 30 条，Claude 逐条审核（正文中唯一的禁窗阶段号是规则边界 E13.5；无 Gata4/β-catenin；Navigo 条目写明禁用其预训练权重）。notes/guides 下两份 HTML 指南含禁窗内容，加了合规警告，禁止进入 Agent 上下文。
  • 2026-09-30：G11 审过提交：训练改为 Qiu 窗外早期 12 胚（E8.75/E9.0/E9.25/E9.5，心脏细胞约 1.4k/2.2k/5k/4.8k）+ MOSTA E9.5；外部测试题 X1（Qiu 心脏 E14.0–15.75 + E16.0–17.25 → E17.5–18.75，T1 类外推）和 X2（MOSTA E14.5+E16.5→E15.5，T2 类插值），朴素基线均低于地板；check_catalog 通过（训练/测试无重叠、禁窗、哈希）。MOSTA 许可改为已核实（F2 结论）。
  • 2026-09-30：Spark 上安装 /etc/apparmor.d/bwrap（只放行 /usr/bin/bwrap 的用户命名空间，Ubuntu 24.04 标准写法；用户授权 Claude 执行 sudo），bwrap 可用。撤销：sudo apparmor_parser -R /etc/apparmor.d/bwrap && sudo rm /etc/apparmor.d/bwrap。启动 G4。
  • 2026-09-30：G4 审过提交：agent/scoring/（bwrap 封装、打分服务每客户端一个 socket 限 20 次并记日志、CONNECT 白名单出口代理）、凭据按 run 过滤（沙箱内只见当前模型一家的 key；claude_code 用私有 HOME）、锁 v4（network llm_only、gpu）、budget.slice。两机冒烟通过：外网 403、越权读取失败、第 21 次查分 quota_exceeded；Spark 沙箱内 CUDA 可用（需只读挂 /sys）。放行域名：VM api.x.ai + auth.x.ai；Spark token-plan.cn-beijing.maas.aliyuncs.com。G6 可以启动。
  • 2026-09-30：新增 11_data_use_scope.md（数据使用范围）；search_spec 加入"不把保留阶段生物学事实写进代码"；启动 G12 生物先验知识库（原 G12 全自动提交改名 G13）。
  • 2026-10-01：并行启动 G14（打分提速，逐位一致）、G15（T2 种子与方向库）、G8（提交助手 + 提交台账）。
  • 2026-10-01：G15 审过提交：3 个 T2 榜各 2 个种子（mix 59.12 / 55.96，damped_shift 49.47，与方法卡一致；插值 copy_last 因抽样到细胞上限而略低于 50），final 输出与方法卡提交文件逐位相同；T2 方向库各 9 条。审查中发现 proxy 外部数据规则对插值榜不够，已修正为照搬官方插值禁窗并通知 G6。
  • 2026-10-01：G12 审过提交：data/external/prior/ 6 个资源 28.9 MB（Reactome、GO、CollecTRI、STRING、MSigDB MH、MGI 基因映射），许可逐项核实（CollecTRI 复合许可已标记）；合规剔除见 11 号文档 §3；check_catalog 扩展并通过；T1 方向库加 T1-14~17 四条先验用法。视图挂载 prior/ 由 G6 实现。
  • 2026-10-01：G14 审过提交（8195e32）：fast_proxy 缓存目标侧计算，4 榜 90 例与参考评分器逐位相同（Claude 在 Spark 上另抽一例扰动预测复核，37 个数值字段全等）；T1 单次打分 ~56 s/28 GB → ~4–7 s/2.4–4.7 GB，T2 从 1–3 分钟降到约 2 s。缓存含 proxy 答案，只能打分服务读；接入打分服务由 G6 完成（engine=fast、启动时建缓存、4 线程）。VM 的 9p 仓库在多子 agent 并行时 git 极慢（单次提交 10–20 分钟），记为待改进。
  • 2026-10-01：G16 审过提交：T1 方法全景、知识条目 k031–k063（含 21 条生物学知识）、方向 T1-18~23；Spark 预装 13 个方法包并在断网沙箱冒烟通过；无合格预训练权重。
  • 2026-10-01：G0 结果：run2 T1 官网 47.2（替代分 55.97，X1 46.79）——T1 替代题方向错误。12 小时 run 暂停；G17 审过提交（lit-search、Researcher 单轮 2–3 分钟、H1–H4、JAX 显存上限）；启动 G18（接续、复测、两输入替代题、统一视图）、G20（Qiu 早期分角色 + X3 等 T1 类外部测试题）；G19 校准批次因不符合 §9 不提交；校准改为 G21（4 个只差搜索目标的短锁定 run 各自提交 P2）。
  • 2026-10-01：G20 审过提交：Qiu 早期 E9.25/E9.5 改为只做测试；新增 X3（Qiu E8.75+E9.0→E9.5）、X4/X5（Imaz-Rosshandler 2024，CC BY 4.0）。heart_jcf_peri：官网 47.2、X1 46.79、X3 46.56、X4 50.14、X5 50.51、T1 替代 55.97。MOSTA E9.5 训练与测试答案同阶段不同来源，作记录在案的例外（测试视图不挂外部训练数据）。
  • 2026-10-01：独立架构审查完成；用户批准修复批次 G23（目标函数、运维、合规）、G21 重复 3 次、G24（T2/T3 在 10-20 前开跑）；确认跨 run 接续合规（证据含祖先链轨迹）。顺序：G18 → G23 → G21（12 个 2 h 校准 run）与 G24 交替占用 Spark → 12 h run。正式 run 只在 Spark。
  • 2026-10-01：G25 监控面板上线（Spark 每 5 分钟构建，127.0.0.1:8765 只读；总览、run 详情、校准、健康四页；Mac 用 ssh -L 8765 访问）。发现 Archive 打开即写库，已补入 G23（只读打开）。
  • 2026-10-01：G18 审过提交：跨 run 接续（计分指纹、导入节点、续跑证据含祖先链轨迹与来源锁哈希）、晋级复测（前 5 名补 2 seed，实测改正一次终选）、T1 两输入替代题 proxy2、本地试跑与控制器统一视图、视图改用白名单消毒副本（删除 uns/palette、跨阶段 UMAP/PCA/harmony/leiden）、检索跳过被排除的知识条目。
  • 2026-10-01：用户确认已注册 Agent Team、全体队员已接受规则；Mac 上 launchd 隧道已安装。
  • 2026-10-01：G23 审过提交：真值 A/B 分半（Engineer 只见 A，正式分与终选用 B）、复测同时换评分器 seed、尺子组合 + 终检尺子、终选前 5×3 seed；磁盘清理与水位、LLM 熔断、全机内存准入、systemd 自动续跑 + 看门狗、锁 v7（视图文件哈希、服务端模型 id）；操作日志 + 篡改标记、只读存档；agent 模式改用白名单副本；opencode -f 参数顺序 bug；proxy2 真正读两个输入。Spark 1 小时真实 run（并发 5）13 节点全部成功。
  • 2026-10-01：G23 收尾（每个评分 seed 各自的地板/天花板、熔断按时间窗错误率、按节点耗时 p80 用满预算）与 G26（P3 测试期视图与 --phase p3、验证真值本地尺子 R0–R5、p3_final 数据方案、P3 提交规程）审过提交；G24 的 T2 配置；Codex 独立架构审查（5 个 P1）→ G29 运行正确性，正式 run 待 G29 完成后再开。
  • 2026-10-01：OpenEvolve 对照：B 组按 G31L 从轻实施（进程内、每次从存档重建种群、无岛间迁移、不可提交），C 组与候选 bridge（G33）暂缓；对照计划移至 notes/architecture/openevolve_comparison.md 并在文首写明当前决定。（已被同日后续决定取代：A/B/C 都做，B/C 可提交，B 开迁移；运行代码在 agent/search/openevolve_adapter/，设计与对照计划迁到并列仓库 2026_virtual_embryo_openevolve 的 notes/architecture/openevolve_harness.md；见 decisions.tsv 2026-10-01 最后三条。）G34 仓库整理：notes 已完成（9500893），代码目录/configs/Spark run 统一目录在 G29 后进行。

问题与待办登记（issues.tsv）

issues.tsv 登记「什么阻塞下一步」，研究看板「跨 run → 问题与待办」只读它。由 G 任务立项、审查验收（Codex 审阅、回归）时登记：

  • 追加一行即可新建；更新状态就再追加一行同一 issue_id（看板取最新一行，旧行保留作历史）。格子里不要出现制表符或换行，UTF-8。
  • 列：issue_id, g_task, severity(P0/P1/P2), title, blocks, status, owner, next_action, acceptance, source, updated_at, drafted。status 取 open / in_progress / fixed_unverified / verified / wontfix；只有审查或回归确认后才写 verified，开发报告写「已实现」最多记 fixed_unverified。
  • blocks 写阻塞对象；含「T1」和「链」的条目归入「T1 链启动门」（P0 全部 verified 才算闸门通过）。负责人不确定写「未登记」。
  • source 写来源文档与日期；drafted 填 yes 表示起草自文档、待人核对，核对后清空。
  • 同类的两张表：harness_changes.tsv（改动与验证级别）、chain_notes.tsv（链与专题复盘的人工 / Claude 解释）。