运行档案 / T1:val / 10-01 10:54
G17 文献检索测试
先看终选决定，再沿节点查看方法、代码改动和对话证据。
终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。
n8
本运行目标 58.13（种子 0 单次）
节点?搜索树里的每个候选程序。
12
已打分 9
官网分?官网 P2 返回的真实分数。
—
还没有提交或还没有分数
大模型调用次数?各角色（调研员、工程师、分析员、审查员）调用大模型的次数。
20
分析员 6、工程师 6、调研员 6、审查员 2
实际结果与评分依据
搜索目标、护栏和诊断分开阅读。不同真值分片或 seed 的同名尺子保留各自记录。
| 尺子 | 用途 | 分数 | 评分上下文 |
|---|---|---|---|
| X1 | 终检诊断 | 48.1 | 全部真值 / 1 个 seed单次 |
| proxy | 节点单次评分 | 57.9 | 真值范围未记录 / 1 个 seed单次 |
来历?终选程序从种子程序一步步改过来的路径，每一步都写了改了什么、分数变了多少。
括号里的分差只表示变化方向，不代表统计显著性。
n2 种子
seed heart_jcf_peri
搜索目标分 55.97 · proxy 55.97 · 3 次复测均分 56.06
审查意见?审查员（Reviewer）检查程序是否越界读取、写死目标或钻评分器漏洞后的意见。 通过 seed (human-written, locked)
↓
冻结父本类型配额，类内按增殖打分做成熟端加权无放回抽样（θ=0.5，E-S 算法），3-seed 均值 56.06→58.13。
搜索目标分 57.89（+1.9） · proxy 57.89（+1.9） · 3 次复测均分 58.13
分析员结论?分析员（Analyst）看完分数后写下的第一条经验。：在类型配额逐位冻结的前提下，只改『类内选谁』这一自由度即可提升榜分：E2F 增殖打分反向加权（选成熟端）θ=+0.5 使 cell_state +4.54（超噪声）、榜分 +1.92（单 seed 在噪声边缘），且 covariation 不受伤——证明『选真实细胞的子集』类方法不会触发位移类方法的均值塌缩。
审查意见 通过 1 越界读取：未发现问题。唯一的文件读取是 mature.py:29-48 从 manifest['prior'] 的相对路径拼 Path(view) 读 msigdb GMT，属视图内 prior；无绝对路径/..//mnt/downloads/打分器路径，无网络调用（grep 全源码无 urllib/requests/socket）。; 2 硬编码目标统计量：未发现问题。类型权重 heart=1.6/edge=0.25 是规则型家族
搜索树?每个点是一个节点，连线从父节点指向子节点；颜色表示结果。
蓝色粗线是来历路径；鼠标停在点上看节点，点一下打开节点页。
已打分?程序正常跑完并拿到分数。排队中?节点已创建，等待空闲名额。
搜索分数的变化?横轴是从运行开始算起的分钟数，纵轴是到那时为止最好的搜索目标分。
全部节点与对话（12）
| 节点 | 父节点 | 操作?种子：人写的起点；改进：在父节点上改；草稿：从头写；修复：修父节点的报错。 | 状态 | 搜索目标分?搜索用来比较节点的分数（各把尺子按权重合成，种子 0 单次）。 | 比父节点?这个节点的分数减去它父节点的分数；正数是变好。 | proxy?替代题：用手头已知阶段造的本地考题，T1 是用 E8.5 预测 E9.5。 | 3 次复测?换 3 个随机种子各跑一次取平均 ± 标准差，比单次分更稳。 | 审查 | 用时?从运行开始到结束（或到现在）的挂钟时间。 | 方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。 |
|---|---|---|---|---|---|---|---|---|---|---|
| n1 | — | 种子 | 已打分 | 49.8 | — | 49.8 | — | 通过 | 1 分 | seed copy_last |
| n2 | — | 种子 | 已打分 | 56.0 | — | 56.0 | 56.1 | 通过 | 1 分 | seed heart_jcf_peri |
| n3 | — | 种子 | 已打分 | 49.8 | — | 49.8 | — | 通过 | 1 分 | seed pseudobulk_shift |
| n4 | n2 | 改进 | 已打分 | 56.0 | +0.0 | 56.0 | — | 未审查 | 32 分 | 增殖驱动的组成重加权（负结果）：类型权重×(1+γ·增殖z)，γ=0 复现父本 55.97，γ=±0.25/0.35/1.0 与 5118 细胞均降分。 |
| n5 | n1 | 改进 | 已打分 | 53.0 | +3.3 | 53.0 | — | 未审查 | 29 分 | 数据导出的组成重加权（生长率轴）+ 保底分层抽样 |
| n6 | n3 | 改进 | 已打分 | 51.6 | +1.8 | 51.6 | — | 未审查 | 37 分 | 按类型单快照伪时间（根=最增殖细胞）回归逐基因斜率并 EB 收缩，以线性空间倍数 exp(s·slope·w_g)（s=0.15）乘法位移抽样细胞、零结构保留；两阶段时改用 α=0.25 收缩 delta 并按与斜率的余弦门控；增殖重加权 γ 测无收益置 0。 |
| n7 | n5 | 改进 | 已打分 | 54.4 | +1.4 | 54.4 | — | 未审查 | 39 分 | 单边生长率倾斜（非对称 κ）+ 保底分层抽样：只压低生长率轴高端的类型，低端严格保持原比例 |
| n8 | n2 | 改进 | 已打分 | 57.9 | +1.9 | 57.9 | 58.1 | 通过 | 36 分 | 冻结父本类型配额，类内按增殖打分做成熟端加权无放回抽样（θ=0.5，E-S 算法），3-seed 均值 56.06→58.13。 |
| n9 | n4 | 改进 | 已打分 | 57.9 | +1.9 | 57.9 | 57.4 | 通过 | 31 分 | 类型内细胞周期退出重加权：每类型内以 exp(-0.5·z) 权重（z=深度残差化的周期分稳健 z，clip±2）加权无放回抽样，解剖组成不变；proxy 3-seed 56.06→57.42。 |
| n10 | n9 | 改进 | 排队中 | — | — | — | — | 未审查 | — | — |
| n11 | n8 | 改进 | 排队中 | — | — | — | — | 未审查 | — | — |
| n12 | n1 | 改进 | 排队中 | — | — | — | — | 未审查 | — | — |
资源消耗与失败情况
没有失败节点
| 角色?调研员写计划、工程师改代码、分析员解读分数、审查员检查作弊。 | 大模型调用次数 | 失败 | 总用时 | 输入 token 数?输入 / 输出（含思考）的 token 数，来自接口返回的用量。 | 输出 token |
|---|---|---|---|---|---|
| 分析员 | 6 | 0 | 7 分 | 100,130 | 17,414 |
| 工程师 | 6 | 0 | 2 小时 34 分 | 331,190 | 141,894 |
| 调研员 | 6 | 0 | 39 分 | 197,158 | 91,998 |
| 审查员 | 2 | 0 | 3 分 | 44,206 | 7,666 |
运行配置与来源
| 运行?一次完整的自动搜索或 Agent 会话，有自己的锁定配置和证据包。 | 20261001-105407-g17-researcher-probe 10-01 10:54 · 自动搜索 · T1:val · G17 文献检索测试 · researcher-probe |
|---|---|
| 题目?比赛的哪道题、哪个阶段，例如 T1:val 是第 1 题的验证阶段。 | T1:val |
| 方式?自动搜索：ERA 式搜索树，多个节点不断改进程序；单 Agent：一个 Agent 会话从头做到尾。 | 自动搜索 测试 |
| 搜索目标?这次运行用哪几把尺子、按什么权重合成分数来比较节点；目标不同的运行，最佳分不能直接比。 | proxy；终检 X1 |
| 状态 | 未知 |
| 开始 / 结束 | 10-01 10:54 / 10-01 10:54 |
| 用时 | 不到 1 分 / 预算 12 小时 |
| 所在副本?运行目录所在的代码副本（Spark 上 ~/vec 下的哪个目录）。 | g17_wt |
| 目的?这次运行为了回答什么问题，写在配置文件里。 | [回填] Production search on the DGX Spark (note 10): 12 h, three nodes in flight, Engineer 45 min. |
出处?这次运行用的代码、配置、数据和模型的指纹，靠它们可以原样找回并复现。
| 代码版本?运行锁定时代码仓库的 git 提交号；带 +dirty 表示当时有未提交的改动。 | — |
|---|---|
| 版本标签?可提交运行在锁定的提交上打的 git 标签 run/<运行编号>，以后能原样找回代码。 | — |
| 配置文件 | agent/configs/search_t1.yaml 配置指纹 814c90254692b41f |
| 锁定指纹?启动时把配置、代码、提示词等全部锁定后算出的总指纹。 | — |
| 运行专用代码副本?启动时为这次运行单独检出的一份只读代码；运行全程只读它，不受主副本更新影响。 | 没有（这次运行早于运行专用代码副本功能，读的是启动时的代码副本） |
| 大模型?每个角色用的大模型；括号里是接口实际报告的模型名。 | 分析员：alibaba-token-plan-cn/qwen3.8-max 工程师：alibaba-token-plan-cn/qwen3.8-max 调研员：alibaba-token-plan-cn/qwen3.8-max 审查员：alibaba-token-plan-cn/qwen3.8-max |
| 运行目录 | /home/spark-longxinyang/vec/g17_wt/agent/runs/20261001-105407-g17-researcher-probe |
| 提交账本?notes/changelogs/submissions.tsv：每次上传官网的记录和返回的官网分。 | 这次运行没有提交过官网 |
| 迭代报告?运行结束后自动生成的中文复盘报告（notes/reports/runs）。 | 还没有迭代报告 |