运行档案 / T1:val / 10-01 20:44
G21 快速校准 / D 组
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。
n4
本运行目标 53.07（种子 0 单次）
节点?搜索树里的每个候选程序。
7
已打分 7
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。
17
分析员 4、工程师 4、调研员 5、审查员 4
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 |
|---|---|---|---|
| X3 | 搜索目标复测 | 50.1 | 真值 B 半 / 3 个 seed均值 |
| X4 | 搜索目标复测 | 51.8 | 真值 B 半 / 3 个 seed均值 |
| X5 | 搜索目标复测 | 50.3 | 真值 B 半 / 3 个 seed均值 |
| proxy | 搜索目标复测 | 56.6 | 真值 B 半 / 3 个 seed均值 |
| proxy2 | 搜索目标复测 | 56.6 | 真值 B 半 / 3 个 seed均值 |
| X1 | 终检诊断 | 50.2 | 全部真值 / 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 46.40 · proxy 56.23 · proxy2 27.43 · X3 46.85 · X4 50.80 · X5 50.72 · 3 次复测均分 46.61
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)
↓
把重加权基底从"最新输入"改为"最新官方阶段"，并让小细胞池按不重复抽样，修复 proxy2 地板分并提升 X3/X4。
搜索目标分 53.07（+6.7） · proxy 56.23（+0.0） · proxy2 56.23（+28.8） · X3 50.00（+3.2） · X4 52.17（+1.4） · X5 50.72（+0.0） · 3 次复测均分 53.07
分析员结论?分析员（Analyst）看完分数后写下的第一条经验。：当输入含外部数据集（如 proxy2 的心脏-only Qiu E9.0，2174 细胞、基因不全）时，用它作全胚重加权基底会卡在地板分（27.43）；改用最新官方阶段（全胚 E8.5）后 proxy2 +28.80，这是结构性增益而非噪声。
审查意见 通过 检查1（越界读取）：未发现问题——run.py 全部数据访问经 view_io（load_manifest/panel_genes/read_stage，行47-54）基于 --data 根目录和 manifest 条目，无绝对路径、..、/mnt、/home、data/raw、downloads、打分器路径，无联网代码。; 检查2（硬编码目标统计量）：未发现问题——run.py 行37 N_CELLS=4000 是输出规模超参且经 t
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。
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（7）
| 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。 | proxy2?两输入替代题：官方 E8.5 + 外部 Qiu E9.0 预测 E9.5，给需要两个时间点的方法一个公平分数。 | X3?用外部公开数据造的同类型题。 | X4?用外部公开数据造的同类型题。 | X5?用外部公开数据造的同类型题。 | 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 | 45.5 | — | 50.0 | 27.4 | 50.0 | 50.0 | 50.0 | 45.5 | 通过 | 1 分 | seed copy_last |
| n2 | — | 种子 | 已打分 | 46.4 | — | 56.2 | 27.4 | 46.8 | 50.8 | 50.7 | 46.6 | 通过 | 1 分 | seed heart_jcf_peri |
| n3 | — | 种子 | 已打分 | 39.5 | — | 50.0 | 27.4 | 40.5 | 41.5 | 37.9 | 39.5 | 通过 | 2 分 | seed pseudobulk_shift |
| n4 | n2 | 改进 | 已打分 | 53.1 | +6.7 | 56.2 | 56.2 | 50.0 | 52.2 | 50.7 | 53.1 | 通过 | 17 分 | 把重加权基底从"最新输入"改为"最新官方阶段"，并让小细胞池按不重复抽样，修复 proxy2 地板分并提升 X3/X4。 |
| n5 | n1 | 改进 | 已打分 | 50.4 | +4.9 | 51.0 | 51.0 | 50.0 | 50.0 | 50.0 | 50.3 | 通过 | 20 分 | official_base_copy：基底修正为最新官方输入 + 均匀 Gumbel 无放回抽样（重加权与位移经替代分验证后关闭） |
| n6 | n4 | 改进 | 已打分 | 52.9 | -0.2 | 56.3 | 56.3 | 49.1 | 52.2 | 50.7 | 52.9 | 通过 | 26 分 | 把重加权基底从"最新输入"改为"最新官方阶段"，并让小细胞池按不重复抽样，修复 proxy2 地板分并提升 X3/X4。 |
| n7 | n5 | 改进 | 已打分 | 52.9 | +2.5 | 56.0 | 56.0 | 50.0 | 52.1 | 50.5 | 53.0 | 通过 | 17 分 | heart_reweight 官方基底版：harness 提供的解剖重加权配方（心脏组×1.6、边缘组×0.25、Neural Tube 删除）叠加在父节点的最新官方输入基底 + 类型分层无放回抽样上 |
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 | 4 | 0 | 3 分 | 41,562 | 8,174 |
| 工程师 | 4 | 1 | 58 分 | 221,621 | 89,056 |
| 调研员 | 5 | 0 | 14 分 | 56,148 | 32,663 |
| 审查员 | 4 | 0 | 9 分 | 100,336 | 20,037 |
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。 | 20261001-204440-search-t1-g21q-D 10-01 20:44 · 自动搜索 · T1:val · G21 快速校准 · D 组 |
|---|---|
| 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 |
| 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+proxy2+X3+X4+X5 等权；终检 X1 |
| 状态 | 已结束 |
| 开始 / 结束 | 10-01 20:44 / 10-01 21:48 |
| 用时 | 1 小时 3 分 / 预算 1 小时 15 分 |
| 所在副本?运行目录所在的代码副本（Spark 上 ~/vec 下的哪个目录）。 | 2026_virtual_embryo |
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。 | 1b079590444b55e5d5e5043f4809084e30d1da66 |
|---|---|
| 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 | /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-D/config_source.yaml 配置指纹 9f2aa815531021a9 |
| 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。 | 39f2ddc3c340dec8 锁定格式 v8 |
| 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。 | 目录存在 /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-D/code |
| 打分口径指纹?打分器、数据视图、种子等合起来的指纹；指纹相同，分数才能直接比较。 | a6dbfbf00b404972 |
| 数据视图指纹?程序能看到的输入数据文件的指纹，按视图汇总成一个短指纹。 | final：22 个文件，指纹 edb68fc794d79881 proxy：18 个文件，指纹 166d21c45cc35ede proxy2：20 个文件，指纹 3a64c6f141374179 test：76 个文件，指纹 cbba09bbdfbe1b0d |
| 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 （接口报告 qwen3.8-max） 工程师：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 调研员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） 审查员：alibaba-token-plan-cn/qwen3.8-max （接口报告 qwen3.8-max） |
| 运行目录 | /home/spark-longxinyang/vec/runs/formal/20261001-204440-search-t1-g21q-D 主机 spark-ad3f |
| 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 |