总览 · ← 返回运行 20261001-140531-search-t1-g23-spark

节点 n12

METHOD

方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。

来自 programs.git a225ae1198:solution/METHOD.md

调研员的计划

代码改动?这个节点的程序和父节点程序的逐行差别：绿色是新增，红色是删除。

对比：父节点版本 8f3ac35ac4。改动的文件：solution/METHOD.md +20 −10、solution/run.py +116 −21

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex ceaa542..6516ce5 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,22 +1,32 @@ # METHOD -父节点心脏重加权不变；X3 类视图（≥2 个官方输入）加同数据集按类型时间差零保留位移（α_eff=2）；proxy2 外部锚位移经测试有害已禁用。+词表守卫：官方标签视图沿用心脏重加权（输出与父节点逐位相同）；外来标签视图（X3 Qiu）直传最新输入全部真实细胞；两阶段位移经 top-K 限域网格实测劣于直传，默认关闭（α=0）。  ## 方法 -基线 = 节点 2（heart_jcf_peri）：最新官方输入按细胞类型重加权（心脏 ×1.6、边缘 ×0.25、丢 Neural Tube），抽 4000 个真实细胞，采样 RNG 顺序与父节点逐位一致（已验证 proxy/proxy2 输出与父节点相同）。+基座 = 节点 8 的 run.py。按最新输入阶段标签落在已知心脏词表（HEART_TYPES ∪ EDGE_TYPES ∪ DROP_TYPES，来自 `src.task1_temporal.reweight`，E8.5/E9.5 官方命名）的比例 f 分流： -在此之上新增 `two_stage_deltas`：当视图有 ≥2 个官方输入阶段（X3：Qiu E8.75+E9.0；final：官方 E8.5+E9.5）时，对两阶段共有的每个细胞类型算伪批量差 Δ=mean(last|t)−mean(prev|t)，乘以时间外推系数 (t_target−t_last)/(t_last−t_prev)（clip 到 [0,2]；X3=2，final=1），winsorize ±1.0，|Δ|<0.02 的基因置 0，再按细胞类型加到抽样后的细胞上。**零保留**：只移动非零表达项并 clip≥0，稀疏/共变结构不被稠密化破坏（节点 3 全局稠密 pseudobulk_shift 的 covariation 38.53 即此失败模式）。单输入视图（proxy）无差可算，自动退化为父节点。+- **f ≥ 0.5（官方标签：proxy / proxy2 / final）**：逐位复现父节点路径——最新官方输入按类型重加权（心脏 ×1.6、边缘 ×0.25、丢 Neural Tube）抽 4000 个真实细胞，RNG 顺序与节点 2/8 完全一致。proxy2 的外部锚（Qiu E9.0）保持禁用（节点 8 已证有害）。+- **f < 0.5（外来标签：X3 的 Qiu 簇名，f=0）**：**直传**——原样输出最新输入阶段全部真实细胞（2174 个，落在 [500, 5000] 内故无重采样；超界时无放回抽样/补齐）。不做有放回重采样（树内已证 4000>2174 的重采样亏 ~3 分）。输出与 seed 无关（X 逐位相同，仅 uns.generator_seed 元数据不同）。 -外部锚（proxy2 的 Qiu E9.0，diff-in-diff 去跨技术批次，看家基因中位|Δ| 从 2.27 降到 0.05–0.09）已实现但**默认关闭**（--alpha-ext 0）：A 半实测 50.59，比父节点低 5.6（cell_state 44.3）。原因是 Qiu 簇名与官方类型对应关系失真（其 "SHF" 簇呈心肌特征、"FHF" 呈祖细胞特征），DD 残差仍混入组成/技术差。+保留但默认关闭的机制（`--alpha-2stage > 0` 才生效）：**top-K 限域两阶段位移** `two_stage_deltas_restricted`——≥2 个同数据集官方输入时，对共有类型算伪批量差 Δ=mean(last|t)−mean(prev|t)，乘时间比 r=(t_target−t_last)/(t_last−t_prev) clip [0,2]，winsorize ±1.0；基因限域为各类型 |Δ| 逐基因最大值排名 top-K（默认 500），剔除看家基因（Rpl*/Rps*/Mt-*/Actb/Gapdh/Actg1），限域外一律不动；|αΔ|<0.05 置零；零保留应用（只移非零项、clip≥0）。 -## 验证（A 半，seed 0）+## 验证（A 半，seed 0，本节点实测） -- proxy：56.19（父 56.23，输出逐位相同，差异为评分侧噪声）-- proxy2：与 proxy 相同输出（锚关闭）-- X3 两阶段位移 α_eff=2：46.77（de_recovery 42.74→47.75，cell_state −2.4、covariation −1.6，净 +0.2，噪声内但方向对最弱组有利）；α=0 无重复抽样变体 46.54-- proxy2 外部锚 α=1.0：50.59（弃用）+- proxy：56.19（与父节点输出 md5 逐位相同；父正式分 56.23）+- proxy2：与 proxy 输出逐位相同（单官方输入、锚关闭）+- X3 直传（α=0，提交配置）：**50.00**（恰为 copy_last 地板）+- X3 限域位移 α=0.5,K=500（α_eff=1.0）：48.66（de_recovery 46.09、cell_state 49.31、covariation 49.57）——**全面劣于直传**+- X3 限域位移 α=0.3,K=200（α_eff=0.6）：48.93——同样劣于直传+- 结论：top-K 限域不仅没救回节点 8 全基因位移的 cell_state/covariation 损失，连 de_recovery 也从 47.75 掉到 46.09——|Δ| 最大的 top-K 基因主要携带技术/组成噪声而非目标方向信号。位移方向在 X3 上第三次被否决（节点 6 全局阻尼、节点 8 全基因零保留、本节点 top-K 限域零保留）。+- proxy 重加权网格（heart_w∈{1.3,1.6,2.0}×edge_w∈{0.1,0.25,0.5}，7 个 A 半查分）：最优仍是 (1.6,0.1)≈56.25 与 (1.6,0.25)=56.19，差 0.05 为噪声；1.3/2.0 或 edge 0.5 都降到 ~55.5。维持 1.6/0.25 保证与父节点逐位一致。  ## 未验证 -final 视图（E8.5+E9.5→E10.5）上 α_eff=1 的同数据集位移；X3 更小 α；B 半分数。生物学知识来源：Myl7/Tnnt2/Actc1 为心肌肌小节标记、Isl1/Fgf10/Tbx1 为 SHF 标记（Kelly 2001/2014，用于外部锚的映射诊断，该路径现已禁用）；JCF 为心外膜前体（Tyser 2021，父节点重加权已含）。+- final 视图（官方 E8.5+E9.5，f≥0.5）：走重加权路径，位移默认关。两阶段位移在 final 上未测（X3 三次否决后不再投入）。+- B 半分数：直传与重加权输出确定，B 半应稳定复现（预期 rank3 ≈ 54.0，追平节点 4/7，超父节点 +1）。+- 直传路径下细胞数 > max_cells 或 < min_cells 的视图（X3 不触发）。++## 生物学知识来源++仅使用 `modeling/` 内已有的官方类型词表（HEART/EDGE/DROP，节点 2 种子自带）；未引入保留阶段（E10.5/E12.5、9.5<E≤13.5）或保留基因型的任何信息。X3 直传不依赖任何细胞类型知识（f=0 时完全绕开词表）。diff --git a/solution/run.py b/solution/run.pyindex 67732bb..30675dc 100644--- a/solution/run.py+++ b/solution/run.py@@ -23,7 +23,13 @@ import argparse import numpy as np from scipy import sparse -from src.task1_temporal.reweight import DROP_TYPES, largest_remainder, type_weights+from src.task1_temporal.reweight import (+    DROP_TYPES,+    EDGE_TYPES,+    HEART_TYPES,+    largest_remainder,+    type_weights,+) from src.task1_temporal.view_io import (     external_inputs,     inputs_by_time,@@ -41,12 +47,13 @@ MIN_DELTA = 0.02 HK_PREFIX = ("Rpl", "Rps")  -def resample_with_labels(X, labels: np.ndarray, n: int, seed: int, dup: bool = True):+def resample_with_labels(X, labels: np.ndarray, n: int, seed: int, dup: bool = True,+                         heart_w: float = 1.6, edge_w: float = 0.25):     """Same RNG order as reweight.heart_reweight, but also returns row types."""     rng = np.random.default_rng(seed)     types = [str(t) for t in np.unique(labels) if str(t) not in DROP_TYPES]     counts = np.array([(labels == t).sum() for t in types], dtype=np.float64)-    alloc = largest_remainder(counts * type_weights(types, 1.6, 0.25), n)+    alloc = largest_remainder(counts * type_weights(types, heart_w, edge_w), n)     rows, out_types = [], []     for t, k in zip(types, alloc):         if k <= 0:@@ -153,6 +160,55 @@ def two_stage_deltas(prev, last, alpha: float) -> dict[str, np.ndarray]:     return out  +HK_EXACT = {"Actb", "Gapdh", "Actg1"}+++def two_stage_deltas_restricted(+    prev, last, alpha: float, topk: int, min_delta: float = 0.05+) -> dict[str, np.ndarray]:+    """Per-type two-stage deltas confined to a global top-K |delta| gene set+    (housekeeping excluded); all other genes untouched."""+    lp, ll = labels_of(prev), labels_of(last)+    raw: dict[str, np.ndarray] = {}+    for t in np.unique(ll):+        if t not in set(lp.tolist()):+            continue+        d = pb(last.X, ll == t) - pb(prev.X, lp == t)+        raw[str(t)] = np.clip(np.nan_to_num(d), -WINSOR, WINSOR)+    if not raw:+        return {}+    maxabs = np.max(np.abs(np.vstack(list(raw.values()))), axis=0)+    hk = np.array(+        [g.startswith(HK_PREFIX) or g.startswith("Mt-") or g in HK_EXACT for g in _GENES]+    )+    maxabs[hk] = -1.0+    keep = np.zeros(len(_GENES), dtype=bool)+    idx = np.argsort(-maxabs)[:topk]+    keep[idx[maxabs[idx] > 0.0]] = True+    out = {}+    for t, d in raw.items():+        dd = alpha * d * keep+        dd[np.abs(dd) < min_delta] = 0.0+        out[t] = dd.astype(np.float32)+    return out+++def passthrough(X, labels: np.ndarray, n: int, seed: int):+    """All real cells of the latest input, clipped into [min_cells, max_cells]+    without replacement resampling: full pass-through when n == n_obs."""+    n_obs = X.shape[0]+    if n == n_obs:+        return X, np.asarray(labels, dtype=object)+    rng = np.random.default_rng(seed)+    if n < n_obs:+        idx = np.sort(rng.choice(n_obs, size=n, replace=False))+    else:+        idx = np.concatenate(+            [np.arange(n_obs), rng.choice(n_obs, size=n - n_obs, replace=True)]+        )+    return X[idx], np.asarray([str(labels[i]) for i in idx], dtype=object)++ def apply_shift(X, row_types: np.ndarray, deltas: dict[str, np.ndarray]) -> sparse.csr_matrix:     """Zero-preserving: x' = max(x + d_g, 0) where x > 0; zeros stay zero."""     X = sparse.csr_matrix(X)@@ -184,7 +240,11 @@ def main() -> None:     parser.add_argument("--out", required=True)     parser.add_argument("--seed", type=int, default=0)     parser.add_argument("--alpha-ext", type=float, default=0.0)-    parser.add_argument("--alpha-2stage", type=float, default=1.0)+    parser.add_argument("--alpha-2stage", type=float, default=0.0)+    parser.add_argument("--topk", type=int, default=500)+    parser.add_argument("--min-delta-r", type=float, default=0.05)+    parser.add_argument("--heart-w", type=float, default=1.6)+    parser.add_argument("--edge-w", type=float, default=0.25)     parser.add_argument("--nodup", action="store_true")     args = parser.parse_args() @@ -195,25 +255,60 @@ def main() -> None:     official = inputs_by_time(manifest)     ext = external_inputs(manifest)     last = read_stage(args.data, official[-1], genes)-    n = target_n_cells(manifest, min(N_CELLS, last.n_obs) if args.nodup else N_CELLS)-    X, row_types = resample_with_labels(last.X, labels_of(last), n, args.seed, dup=not args.nodup)--    deltas: dict[str, np.ndarray] = {}+    labels = labels_of(last)     t_last = official[-1]["time"]     t_target = manifest["target"]["time"]-    if ext and args.alpha_ext > 0:-        e = read_stage(args.data, ext[-1], genes, missing="zero")-        cov = e.var["covered"].to_numpy()-        deltas = marker_map_deltas(last, e, cov)-        deltas = {k: prep_delta(args.alpha_ext * v.astype(np.float64)) for k, v in deltas.items()}-    elif len(official) >= 2 and args.alpha_2stage > 0:-        prev = read_stage(args.data, official[-2], genes)-        span = t_last - official[-2]["time"]-        alpha = args.alpha_2stage * np.clip((t_target - t_last) / span, 0.0, 2.0) if span > 0 else 0.0-        deltas = two_stage_deltas(prev, last, alpha)--    if deltas:-        X = apply_shift(X, row_types, deltas)++    known = HEART_TYPES | EDGE_TYPES | DROP_TYPES+    frac_known = float(np.mean([str(t) in known for t in labels]))++    if frac_known >= 0.5:+        # Official-label view: parent path, bit-identical output.+        n = target_n_cells(manifest, min(N_CELLS, last.n_obs) if args.nodup else N_CELLS)+        X, row_types = resample_with_labels(last.X, labels, n, args.seed, dup=not args.nodup,+                                            heart_w=args.heart_w, edge_w=args.edge_w)++        deltas: dict[str, np.ndarray] = {}+        if ext and args.alpha_ext > 0:+            e = read_stage(args.data, ext[-1], genes, missing="zero")+            cov = e.var["covered"].to_numpy()+            deltas = marker_map_deltas(last, e, cov)+            deltas = {+                k: prep_delta(args.alpha_ext * v.astype(np.float64)) for k, v in deltas.items()+            }+        elif len(official) >= 2 and args.alpha_2stage > 0:+            prev = read_stage(args.data, official[-2], genes)+            span = t_last - official[-2]["time"]+            alpha = (+                args.alpha_2stage * np.clip((t_target - t_last) / span, 0.0, 2.0)+                if span > 0+                else 0.0+            )+            deltas = two_stage_deltas_restricted(+                prev, last, alpha, args.topk, args.min_delta_r+            )+        if deltas:+            X = apply_shift(X, row_types, deltas)+    else:+        # Foreign-label view (e.g. X3 Qiu clusters): pass through all real+        # cells of the latest input; resampling with replacement lost ~3 pts.+        n = target_n_cells(manifest, last.n_obs)+        X, row_types = passthrough(last.X, labels, n, args.seed)+        deltas = {}+        if len(official) >= 2 and args.alpha_2stage > 0:+            prev = read_stage(args.data, official[-2], genes)+            span = t_last - official[-2]["time"]+            alpha = (+                args.alpha_2stage * np.clip((t_target - t_last) / span, 0.0, 2.0)+                if span > 0+                else 0.0+            )+            deltas = two_stage_deltas_restricted(+                prev, last, alpha, args.topk, args.min_delta_r+            )+        if deltas:+            X = apply_shift(X, row_types, deltas)+     write_prediction(X, genes, args.out, seed=args.seed)  

调研来源?调研员查到并用到的知识条目和文献检索结果（只列标题和编号）。

用到的知识库条目

分析结果?分析员写的 ANALYSIS.json：改了什么、各组分数怎么变、假设是否成立、经验和下一步建议。

对话摘要?每个角色和大模型对话的统计：轮数、工具调用、用时、token 数和最后的回答摘录；原始记录只给路径。

只给统计和最后回答的摘录；完整对话请到原始记录位置里列出的文件看。

分析员

ANALYSIS.json written

工程师

Done. Final state of `solution/`: vocabulary-guarded run.py (α=0 defaults) + METHOD.md; all three views pass `vec-check` with default args.

**做了什么**：移植词表守卫——官方标签视图（proxy/proxy2/final）逐位复现父节点心脏重加权路径；外来标签视图（X3，f=0）直传最新输入全部 2174 个真实细胞。实现了 PLAN-B 的 top-K 限域两阶段位移并实测两个网格点。

**查分结果**（A 半，用了 13/20 次）：proxy 56.19（与父输出 md5 相同）；X3 直传 50.00；X3 限域位移 α=0.5/K=500 → 48.66、α=0.3/K=200 → 48.93（连 de_recovery 都掉到 46.09，全面劣于直传，按止损规则默认关闭）；proxy 重加权网格 7 点，(1.6,0.25) 仍最优。预期节点分 ≈ (56.2+56.2+50)/3 ≈ 54.1，超父节点 53.12，追平树内最佳 54.15。

**下一步最值得试**：X3 上位移已三度被否决（全局阻尼/全基因零保留/top-K 限域），50.0 疑为 copy_last 地板；剩余杠杆只在 proxy 侧——如 N_CELLS≠4000（max 5118）的细胞数效应、或基于 prior/（Reactome/GO）的通路级（而非 top-|Δ| 基因级）弱位移，后者需先在 A 半证明能突破 56.25。

调研员

 8 证明同数据集两阶段 per-type 零保留位移在 α_eff=2、全基因时使 X3 de_recovery +5.0（42.74→47.75）但 cell_state -2.4、covariation -1.6，净 +0.2——收益被过强位移对流形的扰动抵消。父节点 next_suggestions 第 1、2 条正指向此权衡。本方案把两个已验证部件组合：先用直传锁定 X3≥50 的地板收益（+3.1/3≈+1.05 榜分，确定性、超噪声），再用限域、缩小的位移去争取突破 50 的天花板，这是全树尚未试过的组合。",
  "approach": "基座 = 节点 8 的 run.py（保留 two_stage_deltas、prep_delta、apply_shift 零保留机制，外部锚 --alpha-ext 0 永久关闭）。改动分两步：\n【A. X3 直传守卫（必做，先落地）】移植节点 7 的词表守卫：最新输入阶段标签落在已知心脏词表(HEART∪EDGE∪DROP)的比例 f≥0.5 → 逐位复现父节点 heart_reweight 路径（proxy/proxy2 输出与节点 8 逐位相同，56.23 不动）；f<0.5（X3 的 Qiu 标签，f=0）→ 原样输出最新输入全部真实细胞（clip 到 min/max_cells），不做有放回重采样。\n【B. 限域保守位移（叠加在直传之上，只对 f<0.5 且 ≥2 个同数据集输入的视图生效）】per-type 伪批量差 Δ=mean(last|t)−mean(prev|t)，时间比 r=(t_target−t_last)/(t_last−t_prev)（X3=2），α_eff=α·r clip 到 [0,2]；新增基因限域：取各类型 |Δ| 的逐基因最大值排名 top-K（K 初值 500），并剔除看家基因（Rpl*/Rps*/Actb/Gapdh/Actg1/Mt-*），限域外基因一律不动；winsorize ±1.0，MIN_DELTA 提到 0.05，零保留应用（只移非零项、clip≥0）。\n【查分流程（A 半，vec-score，预算 20 次，实跑 ~10 次）】每次运行 ~2 s：(1) α=0 纯直传，X3 应 ≈50（1 次，同时验证 proxy A 半 56.19 未破坏，1 次）；(2) 网格 α∈{0.3,0.5,0.8}（α_eff∈{0.6,1.0,1.6}）× K∈{200,500}，先跑 (0.5,500) 与 (0.3,200) 两个最保守点，若任一 X3 A 半 >50.8 再补邻近点，否则立即止损（≤6 次）；(3) 最优候选与 α=0 各复查 1 次确认稳定（输出对程序 seed 确定性，差异只来自评分侧）。提交规则：位移仅当 X3 A 半比直传高 ≥1 才启用，否则 α=0 提交纯直传（仍保底追平 54.15）。\n【单输入退路 / final 迁移】proxy 单输入无差可算，自动退化为父节点重加权输出（逐位相同）。final（官方 E8.5+E9.5，f≥0.5）走重加权路径；若 B 在 X3 上验证为正，final 用同一机制但 α_eff=α·1（r=1，天然减半），且直传守卫在 final 不触发（除非请求细胞数>真实细胞数，此时按节点 4 逻辑直传）。proxy2 的 Qiu E9.0 外部输入不参与位移（已证有害），只覆盖 27,887 基因的问题因锚关闭而不触及。",
  "expected_groups": ["de_recovery", "cell_state", "covariation"],
  "risks": "(1) 位移即使限域到 top-500、α_eff≤1 仍可能重演节点 8 的 cell_state/covariation 损失>de_recovery 收益——第一次网格查分（α=0.5,K=500）即可判定，X3 A 半 ≤50 立即回退 α=0，止损成本 2 次查分；(2) X3=50.00 可能恰是 copy_last 地板且位移无法真正超越——保底收益（榜分 +1.05，确定性）不受影响；(3) 词表守卫移植出错会破坏 proxy 逐位一致性——用 1 次 proxy A 半查分对照 56.19 验证，任何偏差先修守卫再谈位移；(4) A 半/B 半差异：直传部分输出确定性，B 半应稳定复现；位移带来的 <1 分增益可能不迁移，故提交阈值设在 ≥1 分；(5) 25 分钟时限紧——A 部分是小 diff（节点 7 已有现成逻辑可参考），B 只在 prep_delta 前加 top-K 掩码，先跑通 A 提交保底，再迭代 B。",
  "sources": []
}
```

审查员

REVIEW.json written