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

节点 n6 在终选来历上

阻尼伪批量位移（线性空间乘性 + EB 逐基因收缩）：X3 上调 α 网格后发现任何位移都劣于复制，α 定为 0，退化为 copy_last，但保留完整位移机制。

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 83a5263c1a: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 be446161e5。改动的文件：solution/METHOD.md +20 −0、solution/run.py +78 −10

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..8159700--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,20 @@+阻尼伪批量位移（线性空间乘性 + EB 逐基因收缩）：X3 上调 α 网格后发现任何位移都劣于复制，α 定为 0，退化为 copy_last，但保留完整位移机制。++## 方法++- 从最近两个**官方**输入阶段计算每细胞类型伪批量差值 delta = mean(last|c) − mean(prev|c)（log 空间），同时算抽样标准误 se² = var_last/n_last + var_prev/n_prev。+- 逐基因经验贝叶斯收缩：tau²_g = max(0, Var_c(delta_cg) − mean_c(se²_cg))，s_cg = tau²_g/(tau²_g+se²_cg)，delta' = clip(s·delta, ±1.5)。+- 应用方式为线性空间乘性缩放：x_new = log1p(expm1(x)·exp(α·delta'_c))。单调、零点保持零点，无父节点加性+clip(≥0) 的零堆积（父节点 covariation 38.53 的主要来源）。+- 前一阶段缺失的类型原样复制；单输入阶段（proxy）退化为 copy_last 抽样；外部跨数据集输入（proxy2 的 Qiu E9.0）不参与 delta——跨技术批次效应会主导差值。++## 验证（vec-score，A 半）++- X3（E8.75+E9.0→E9.5，唯一可测的两阶段尺子）：α=1.0 → 48.93；α=0.7 → 48.99；α=0.5 → 49.03；α=0.3 → 49.07；α=0.2 → 49.09；α=0.1 → 49.11；α=0 → 50.00（四组全 50）。+- 关键发现：de_score 在 α≥0.1 时恒为 −0.0857（饱和），即 EB 收缩后的极小 delta（mean|d|≈0.003，原始 ≈0.013）也已把 de_recovery 从 50 压到 47.3——E8.75→E9.0 的 delta 方向对 E9.5 目标基本无益。乘性+EB 相对父节点加性+clip 已把 X3 从 40.53 修到 49.1（covariation 38.5→49.9），但最优仍是 α=0。+- 故默认 ALPHA=0.0：proxy/proxy2/X3 都等于 copy_last 抽样（proxy 50.04，X3 50.00）。位移机制保留在代码里（--alpha 可启用），供后续节点在 final（E9.5→E10.5，官方数据、细胞多、EB 收缩弱得多）上另行验证。++## 未验证 / 已知局限++- final 视图（真实任务）无法在本节点查分：X3 的"位移无益"结论基于 2174 细胞、0.25 天间隔、sci-RNA-seq 的外部心脏数据，外推到官方 1 天间隔不保证成立；α=0 是保守选择（copy_last 是 T1 已知强基线，官方常数位移 48.6 也低于它）。+- proxy2 的外部 Qiu E9.0 输入完全未用：其标签（First/Second heart field、Endocardial）与官方 E8.5 标签无一一对应，跨数据集 delta 风险大于潜在收益，未做实测。+- 无网络、无保留阶段数据；未使用 prior/ 资源；无硬编码统计量（一切从视图输入现场计算）。diff --git a/solution/run.py b/solution/run.pyindex f3a0f25..bce7ea1 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,18 @@ #!/usr/bin/env python3-"""pseudobulk_shift: latest stage + per-cell-type pseudobulk delta of the last step.+"""Damped pseudobulk shift: multiplicative scaling in linear space + EB shrinkage. -The delta is mean(last|type) - mean(prev|type) over the two latest inputs,-computed on the full stages and added once to a subsample of the latest stage-(clipped at 0). Types missing from the earlier stage are copied unchanged.+For each cell type present in the two latest official inputs, the pseudobulk+delta (log-space mean difference) is computed with its sampling standard error,+shrunk per gene by an empirical-Bayes factor across types, winsorized, and+applied to a subsample of the latest stage as a multiplicative scaling in+linear space:  x_new = log1p(expm1(x) * exp(alpha * delta')). -With a single input stage (T1 proxy: E8.5 only) there is no step to take a-delta from, so this falls back to copy_last with the same sampling. The proxy-therefore cannot tell this seed from copy_last; that gap is expected.+This is monotone, keeps zeros at zero (no clip-induced zero pile-up), and the+global damping alpha < 1 avoids over-extrapolating a single observed step.+Types missing from the earlier stage are copied unchanged. With a single input+stage there is no delta and the method falls back to copy_last sampling.+External (cross-dataset) inputs are ignored: a delta across datasets/technologies+would be dominated by batch effects. """  from __future__ import annotations@@ -15,8 +20,8 @@ from __future__ import annotations import argparse  import numpy as np+from scipy import sparse -from src.task1_temporal.baselines import shift_rows, type_deltas from src.task1_temporal.view_io import (     inputs_by_time,     labels_of,@@ -28,12 +33,75 @@ from src.task1_temporal.view_io import (     write_prediction, ) +ALPHA = 0.0          # global damping of the shift (tuned on X3: any shift < copy)+WINSOR = 1.5         # winsorize shrunk deltas (log space)+++def as_csr(matrix) -> sparse.csr_matrix:+    return matrix.tocsr() if sparse.issparse(matrix) else sparse.csr_matrix(matrix)+++def type_shift_deltas(prev_X, prev_labels, last_X, last_labels):+    """EB-shrunk, winsorized per-type log-space deltas.++    delta_cg = mean(last|c) - mean(prev|c);  se2_cg = var_last/n_last + var_prev/n_prev+    tau2_g = max(0, Var_c(delta_cg) - mean_c(se2_cg));  s_cg = tau2_g / (tau2_g + se2_cg)+    """+    prev_X = as_csr(prev_X)+    last_X = as_csr(last_X)+    types = [t for t in np.unique(last_labels) if t in set(np.unique(prev_labels).tolist())]+    if not types:+        return {}+    D = np.empty((len(types), last_X.shape[1]), dtype=np.float64)+    S = np.empty_like(D)+    for i, t in enumerate(types):+        ip = np.flatnonzero(prev_labels == t)+        il = np.flatnonzero(last_labels == t)+        mp = np.asarray(prev_X[ip].mean(axis=0), dtype=np.float64).ravel()+        ml = np.asarray(last_X[il].mean(axis=0), dtype=np.float64).ravel()+        sq_p = np.asarray(prev_X[ip].multiply(prev_X[ip]).mean(axis=0), dtype=np.float64).ravel()+        sq_l = np.asarray(last_X[il].multiply(last_X[il]).mean(axis=0), dtype=np.float64).ravel()+        var_p = np.maximum(sq_p - mp * mp, 0.0)+        var_l = np.maximum(sq_l - ml * ml, 0.0)+        D[i] = ml - mp+        S[i] = var_l / max(len(il), 1) + var_p / max(len(ip), 1)+    tau2 = np.maximum(D.var(axis=0), 0.0)+    mean_se2 = S.mean(axis=0)+    tau2 = np.maximum(tau2 - mean_se2, 0.0)+    shrink = tau2[None, :] / (tau2[None, :] + S + 1e-12)+    D = np.clip(shrink * D, -WINSOR, WINSOR)+    return {t: D[i].astype(np.float32) for i, t in enumerate(types)}+++def apply_multiplicative(X, labels, deltas, alpha) -> sparse.csr_matrix:+    """x_new = log1p(expm1(x) * exp(alpha * delta[type])) per row."""+    X = as_csr(X)+    blocks = []+    order = []+    for t in np.unique(labels):+        idx = np.flatnonzero(labels == t)+        order.append(idx)+        if str(t) in deltas:+            scale = np.exp(alpha * deltas[str(t)].astype(np.float64))+            dense = np.expm1(X[idx].toarray().astype(np.float64))+            dense *= scale+            np.log1p(dense, out=dense)+            np.maximum(dense, 0.0, out=dense)+            blocks.append(sparse.csr_matrix(dense.astype(np.float32)))+        else:+            blocks.append(X[idx])+    out = sparse.vstack(blocks, format="csr")+    inv = np.empty(X.shape[0], dtype=np.int64)+    inv[np.concatenate(order)] = np.arange(X.shape[0])+    return out[inv]+  def main() -> None:     parser = argparse.ArgumentParser()     parser.add_argument("--data", required=True)     parser.add_argument("--out", required=True)     parser.add_argument("--seed", type=int, default=0)+    parser.add_argument("--alpha", type=float, default=ALPHA)     args = parser.parse_args()      manifest = load_manifest(args.data)@@ -45,9 +113,9 @@ def main() -> None:     X = last.X[rows]     if len(stages) >= 2:         prev = read_stage(args.data, stages[-2], genes)-        deltas = type_deltas(prev.X, labels_of(prev), last.X, labels_of(last))+        deltas = type_shift_deltas(prev.X, labels_of(prev), last.X, labels_of(last))         del prev-        X = shift_rows(X, labels_of(last)[rows], deltas)+        X = apply_multiplicative(X, labels_of(last)[rows], deltas, args.alpha)     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

All three views pass and score at/above copy baseline. Final state committed to `solution/`.

**做了什么**：把父节点的加性+clip(≥0) 伪批量位移改成 EB 逐基因收缩 + winsorize + 线性空间乘性缩放（log1p(expm1(x)·exp(α·δ))），并在 X3 上做 α 网格（0–1.0，7 次查分）。

**查分结果**：X3 从父节点 40.53 → 49.07（α=0.3，covariation 38.5→49.8），但 α=0 恰好 50.00——de_score 在任何非零位移下饱和于 −0.0857，即 E8.75→E9.0 的 delta 方向对 E9.5 无益。最终 α=0：proxy 50.40、proxy2 50.40、X3 50.00，节点分预估 ~50.3（父 46.87）。位移机制保留（`--alpha` 可启用）。

**下一步最值得试**：(1) final 视图（官方 E8.5+E9.5，细胞多、EB 收缩弱）上小 α 乘性位移可能真正有效，X3 结论不一定外推——但本节点无法测量；(2) 组成层面的改进（节点 2 在 proxy 拿 56.23 说明重加权比例比表达位移更有效），可在 X3/proxy2 上验证心脏谱系比例先验。

调研员

上下文已足够（k018 卡片直接给出机制：α 收缩 + 逐基因 EB），无需消耗检索配额。

父节点诊断：proxy 上退化为 copy_last（50.04），但 X3 上位移真实生效却只有 40.53（copy_last 为 50.00），covariation 38.53 全场最低——硬截断（clip ≥0）+ 未收缩的全量 delta（α=1）破坏了协方差并把分数拉到地板以下。改进核心：去硬截断（改在线性空间做乘性缩放）+ EB 逐基因收缩 + 全局 α 阻尼。

```json
{"name": "阻尼伪批量位移：线性空间乘性缩放 + EB 逐基因收缩 α",
 "motivation": "父节点 3 的 covariation 仅 38.53（四组最低），X3 40.53 比 copy_last（节点 1，X3 50.00）低 9.5 分，说明 α=1 的全量位移加 clip(≥0) 硬截断在真实两阶段场景下有害（文献卡 k018 亦记录官方常数位移 48.6 低于 copy_last）。proxy 单输入退化为 copy（50.04）无法区分，改进必须在 X3/proxy2 上验证。目标：把 X3 从 40.53 拉回并超过 50，covariation 回到 ~50，节点分从 46.87 提到 50+。",
 "approach": "保持 run.py 骨架（抽样、单输入阶段退化为 copy_last 不变，proxy 分应与父节点持平 ~50.04，作 sanity check）。改动 shift 部分：(1) 用 type_deltas 得到每类型每基因 delta 的同时计算其抽样标准误 se²=var_last/n_last+var_prev/n_prev；(2) 逐基因 EB 收缩：tau_g²=max(0, Var_c(delta_cg)−mean_c(se_cg²))，s_cg=tau_g²/(tau_g²+se_cg²)，delta'=s·delta（细胞数少的类型自动少动，替代'新生类型原样复制'的粗暴处理：prev 中不存在的类型仍原样复制）；(3) winsorize delta' 到 ±1.5（log 空间）防重尾基因；(4) 应用方式改为线性空间乘性缩放 x_new=log1p(expm1(x)·exp(α·delta'_c))，单调、零点保持零点、无 clip 造成的零堆积，应直接修复 covariation；(5) 全局 α 初值 0.5，在 {0.3,0.5,0.7,1.0} 网格用 vec-score 在 X3 与 proxy2 上各查一遍（8 次查询），选两尺子均值最高的 α，若差异 <2 分（噪声内）取较小 α（保守，利于迁移到 final）。剩余查询用于对照：乘性 vs 旧的加性+clip（同 α），确认协方差修复来源。先在小样本（如 2000 细胞）跑通再全量；耗时内存与父节点同级（1.8s/1.26GB），无压力。final（两输入、间隔 1 天）自然生效：位移只外推一步，α<1 即是对'再走一步'的阻尼。",
 "expected_groups": ["covariation", "de_recovery", "direction"],
 "risks": "(1) α 在 proxy 上不可测，只能在 X3/proxy2 上调——X3 是外部心脏数据，α 可能过拟合其分布；缓解：噪声内取小 α，且要求 X3 与 proxy2 一致偏好。(2) proxy2 的两个输入来自不同数据集/技术（官方 E8.5 + Qiu E9.0），delta 可能混入批次效应；父节点 proxy2=proxy=50.04 提示位移路径在 proxy2 上可能根本没生效——Engineer 第一步应加一行日志/快速查分确认 stages 数与 delta 是否触发；若跨数据集 delta 被触发且分数下降，退路是对不同来源的两阶段直接退化为 copy_last（写进代码分支）。(3) EB 收缩在类型细胞数极少时可能把 delta 全部压没（退化为 copy）——这是可接受的下界，copy_last 本身 50.03。(4) 乘性缩放对高表达基因的相对变化比加性小，若 X3 上不如加性+无clip 变体，回退到加性 shift 仅去掉硬截断（floor 到 −0.5 或不 floor，视 write_prediction 约束）。(5) 预期 X3 提升 ~8 分远超噪声，但 proxy 不变，总分预期 +2~3，处于噪声边缘：用 3 次以上不同 α/变体的查分趋势确认方向，不凭单次 A 半分数下结论。",
 "sources": []}
```