总览 · ← 返回运行 20261001-233756-search-t1-abc-r0-A-era

节点 n19

加性类型对比度表达偏移（x+ε(mu_c−mu_all)，ε=0.05，默认启用）：首个移动 de_recovery 的表达级机制，proxy 双 seed 正向

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 29d63dacf9: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 75853c209f。改动的文件：solution/METHOD.md +30 −21、solution/run.py +46 −10

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex fcd264c..67775af 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,35 +1,44 @@-# 温度排名轴凸组合（0.75·权重排名+0.25·丰度排名）小幅正向采纳；类型间过渡态插值细胞实测证伪默认关闭；表达值不修改+# 加性类型对比度表达偏移（x+ε(mu_c−mu_all)，ε=0.05，默认启用）：首个移动 de_recovery 的表达级机制，proxy 双 seed 正向  ## 方法 -基底 = 节点 13 配置（最新官方输入阶段细胞池、alpha=-3 类型增殖权重、beta=-0.5 细胞级梯度、gamma=0.2 凋亡罚分、k=1 wrand 保底、按类型排名的温度 T_c∈[0.60,0.90]、E-S 不放回抽样）。本节点实现两个新机制：+基底 = 节点 16/18 配置（最新官方输入阶段细胞池、alpha=-3 类型增殖权重、beta=-0.5 细胞级梯度、gamma=0.2 凋亡罚分、k=1 wrand 保底、按类型排名的温度 T_c∈[0.60,0.90]（ρ=0.75 凸组合排名轴）、E-S 不放回抽样）。 -1. **温度排名轴凸组合（VEC_TRHO=0.75，采纳）**：类型温度 T_c 的排名轴从纯「中位权重升序」改为凸组合 rank = 0.75·权重排名 + 0.25·丰度排名（两个排名均为升序 0..n-1，组合后再重排名）。稀有类型得到略低温度、保留更多存在，同时保住节点 13 权重轴绑定的 de_score 0.0727 档位。ρ=1.0 精确退化节点 13（默认路径 sha256 验证一致后再改默认为 0.75）。-2. **类型间过渡态插值细胞（VEC_MIXFRAC，默认 0=关闭，实测证伪）**：按类型增殖评分降序排名取相邻 (早,晚) 类型对（分差最大 ≤3 对），对每对取输出中权重最高的细胞逐对插值 x_t=(1-λ)x_a+λ·x_b（λ=VEC_MIXLAM=0.15），替换输出中权重最低的 frac·n_out 个细胞（保护每类型仅剩的 1 个细胞）。逐对真实细胞插值、非向均值收缩；全确定性无 RNG；X3 恒等路径（n_out≥n_obs）跳过。+**本节点新增（默认启用，无 env 门控，吸取节点 18 no-op 教训）**：E-S 抽样完成后、输出前，对每个输出细胞做加性偏移 -## 查分记录（proxy A 半，共用 8 次）+    x'_i = clip(x_i + ε · sign · (mu_c − mu_all), 0, ∞) -| 配置 | seed 0 | seed 1 | de_score s0/s1 | 备注 |-|---|---|---|---|---|-| 基底=节点 13 | 56.005 | 55.48(父报) | 0.0727 / 0.0545 | 复跑确认环境一致 |-| 过渡细胞 λ=0.15 frac=0.02 | 55.43 | - | 0.0727 / - | cell_state 58.3→56.0，cov +0.2，dir +0.3 |-| 过渡细胞 λ=0.15 frac=0.01 | 55.65 | - | 0.0727 / - | 剂量单调：frac 越大越伤，止损 |-| 凸组合轴 ρ=0.5 | 55.95 | - | 0.0545 / - | de 掉档，止损 |-| **凸组合轴 ρ=0.75** | **56.17** | **55.58** | 0.0727 / 0.0545 | 双 seed 均正（+0.17/+0.10），cov s0 53.93→54.65 |-| 凸组合轴 ρ=0.65 | 56.15 | - | 0.0727 / - | 与 0.75 持平，取 0.75 |+其中 mu_c 是该细胞所属类型的伪批量均值、mu_all 是全池均值，均在输入池上现场计算（无硬编码统计量）。ε=0.05（VEC_ADDEPS 默认值），sign=+1（放大类型间对比度，「发散」方向）。实现约束（按 PLAN）：逐类型切片 `Xcsr[rows] += ε·D[t]`，不做全量 todense；clip 到 ≥0；X3 恒等路径（n_out≥n_obs）跳过；类型细胞数 <3 时该类型 D=0（伪批量不可靠）；VEC_ADDMODE=pathway 回退到 dev 时打印日志（模式、通路集合数、基因覆盖率）。++生物学动机：类型均值沿「本类型相对全池的偏差方向」小幅外推，近似 E9.5→E10.5 期间类型继续沿自身分化方向漂移（阶段无关的通用机制假设，不使用任何保留阶段测量）。++## 查分记录（proxy A 半，共用 6 次）++| 配置 | seed 0 | seed 1 | de_score s0/s1 | cov s0 | cell_state s0 |+|---|---|---|---|---|---|+| 基底=节点 18 | 56.10 | 55.48 | 0.0727 / 0.0545 | 53.51 | 55.12 |+| ε=0.02 | 56.26 | - | 0.0727 | 53.99 | 59.01 |+| **ε=0.05（采纳）** | **56.35** | **55.67** | **0.0909** / 0.0545 | 52.43 | 59.83 |+| ε=0.075 | 56.28 | - | 0.0909 | 51.09 | 60.40 |+| ε=0.10 | 56.17 | - | 0.0909 | 49.79 | 60.80 |+| ε=0.05 + T_lo=0.55（副靶） | 55.60 | - | 0.0727 | 50.29 | 59.36 |  结论：-1. **过渡细胞插值证伪**（PLAN 风险 2 成立）：de_score 对插值细胞完全不动（0.0727 平台），而 mmd_u 上升伤 cell_state，剂量依赖（frac 0.01→0.02 单调变差）。de_recovery 的天花板不在「缺少中间表达状态」。-2. **凸组合轴 ρ=0.75 采纳**：s0 cov +0.72（53.93→54.65）、总分 +0.17；s1 +0.10；两 seed de 档位与基底相同（s0 0.0727、s1 0.0545），无掉档风险。增益小于 ±2 噪声带，但方向一致、机制明确（稀有类型温度更低→存在保留→协方差结构更完整），且无任何分组变差超过 0.1。ρ=0.5 即触发 de 掉档，说明档位对轴扰动敏感，0.75 是可用的最激进值附近（0.65 未掉档但增益不更大）。++1. **ε=0.05 采纳**：seed0 +0.25、seed1 +0.19，双 seed 正向。de_score 在 seed0 越过 0.0727 平台到 0.0909（de_recovery 51.33→52.48，10 个节点以来首次移动）；cell_state +4.7（55.12→59.83，加性偏移把细胞云推向更接近目标分布的方向，mmd_u 0.0139→0.0122）；direction +3.2。代价：cov −1.1（53.51→52.43，仍在 PLAN 风险阈值 1.5 内）。+2. **剂量曲线单峰**：0.02→56.26，0.05→56.35，0.075→56.28，0.10→56.17。ε 越大 cov 单调下降（0.10 时 −3.7），de 档位在 ε≥0.05 稳定在 0.0909。0.05 是总分最优。+3. **副靶 T_lo=0.55 证伪**：叠加 ε=0.05 后总分掉到 55.60，de 掉回 0.0727，cov 反而更差（50.29）。T_lo=0.60 保留。+4. sign=−1（收敛方向）未测：PLAN 里它只是「de 不动」时的备选，而 de 已向上移动，止损规则不触发。  ## 验证过 / 未验证 -- 验证：8 次 proxy A 半查分；VEC_TRHO=1.0+VEC_MIXFRAC=0 默认路径与节点 13 输出 sha256 逐字节一致；采纳配置（ρ=0.75）双 seed 正向；proxy2 输出与 proxy 逐字节一致（include_external=False，sha256 相同，无需另查）；X3 恒等路径不受两机制影响（n_out≥n_obs 时 E-S 取全池、温度不改多重集，mix 块跳过）；三视图 vec-check 全部 ok；同 seed 重跑逐字节一致（确定性，ρ 轴与 mix 均无 RNG）；运行 ~4.5s/视图。-- 未验证：final 视图（代码路径同 proxy，dt=1）；B 半；ρ∈(0.75,1) 细网格；λ<0.15 或不同配对策略的过渡细胞（de_score 不动，判定为方向性证伪，未细扫）。-- 知识来源：同父节点（细胞周期基因 Tirosh et al. 2016 惯例、凋亡基因 GO:0006915，均为阶段无关通用知识）；凸组合轴与过渡细胞只用输入池自身表达/计数/评分现场计算，无硬编码统计量，未用保留阶段、禁窗或保留基因型信息。+- 验证：6 次 proxy A 半查分；新代码路径默认执行（输出 sha256 与基底不同，`[add] mode=dev` 日志出现）；同 seed 重跑逐字节一致（确定性，偏移无 RNG）；三视图全部跑通且 vec-check ok——proxy2 输出与 proxy 逐字节一致（include_external=False，加性块同样作用于 proxy2 的官方 E8.5 池），X3 恒等路径跳过加性块（n_out≥n_obs，无 [add] 日志）；运行 ~4.8s/视图，峰值内存与基底同量级（逐类型切片，最大类型块 << 全量稠密）。+- 未验证：final 视图（代码路径同 proxy，dt=1；两输入阶段时池仍是最后一个官方阶段，机制不变）；B 半；sign=−1；ε∈(0.05,0.075) 细网格；pathway 模式（dev 已达标，未消耗查分）；多 seed（仅 0/1）。+- 知识来源：细胞周期基因（Tirosh et al. 2016 惯例）、凋亡基因（GO:0006915）为阶段无关通用知识，同父节点；加性偏移方向 mu_c−mu_all 完全由输入池现场计算，不含任何保留阶段/禁窗/保留基因型信息，无硬编码统计量。  ## 下一步建议 -1. de_score 平台（0.0727/0.0545 两档，随 seed 翻档）对组成重采样、表达插值、乘性调制全部不敏感——它可能由类型级伪批量 DE 的方向/集合决定，只有真正改变类型均值表达谱的方法（如按通用分化知识做基因模块级演化，且幅度足以移动 DE 集合）才可能突破；但节点 11 的乘性 boost 已证 de 对乘性调制盲，建议加性/通路级小幅演化（用 prior/ 的 Reactome/GO 注释选模块），单 seed 探针 2 次内止损。-2. cov 对「稀有类型温度」有响应（丰度轴 +1.3、ρ=0.75 +0.72）：可试 T_lo 再降（0.55）配 ρ=0.75，或每对相邻排名做局部温度微调；单 seed 探针。-3. 不要再试：过渡态插值细胞（任何 λ/frac）、k≥2 保底、中心性偏置、纯丰度轴或 ρ≤0.5、T_hi<0.90。+1. **cov 回补**：ε=0.05 的 cov 代价 −1.1。可试「偏移只作用于高 |d| 基因」（例如 |d_c| 前 50% 基因置偏移、其余不动）或按基因 std 归一的偏移（ε·d_c/(σ_g+δ)，即 pathway 模式的思路），单 seed 探针，目标 cov 回到 53+ 且 de 保持 0.0909。+2. **sign=−1 对照**：一次查分即可确认发散方向是否真的优于收敛（若 −1 更好，说明 de 档位与 mmd 的收益来自「靠近全池均值」而非「类型外推」，机制解释要改写）。+3. **ε 与 dt 挂钩**：final 上 dt=1（proxy 也是 1），但 X3 之外若有 dt=0.5 的视图，可试 ε·dt 线性缩放；当前常数 ε 在两种 dt 下未验证。+4. 不要再试：T_lo=0.55（叠加后证伪）、ε≥0.075（cov 单调恶化）、过渡态插值、k≥2、中心性偏置、乘性调制。diff --git a/solution/run.py b/solution/run.pyindex e9c0420..d25efb8 100644--- a/solution/run.py+++ b/solution/run.py@@ -104,7 +104,18 @@ Node 16:       adjacent proliferation-ranked type pairs. MEASURED NEGATIVE: frac=0.02       lam=0.15 -> 55.43, frac=0.01 -> 55.65 (vs base 56.005); de_score stays       at 0.0727 (insensitive) while mmd_u rises (cell_state 58.3 -> 56.0),-      dose-monotone. Refuted; kept for reference.+       dose-monotone. Refuted; kept for reference.++Node 19 (ADOPTED, default ON):+    * additive type-contrast offset: x' = clip(x + eps*(mu_c - mu_all), 0, inf)+      with eps = 0.05 (VEC_ADDEPS default), applied per-type on sparse row+      slices after the E-S draw. First expression-level mechanism to move+      de_recovery off its 10-node plateau: proxy A-half seed 0 56.35 vs base+      56.10 (de_score 0.0727 -> 0.0909, cell_state 55.12 -> 59.83, cov+      53.51 -> 52.43); seed 1 55.67 vs 55.48. Dose curve single-peaked:+      0.02 -> 56.26, 0.075 -> 56.28, 0.10 -> 56.17 (cov monotone down).+      T_lo=0.55 stacked on eps=0.05 refuted (55.60, de drops to 0.0727).+      Types with < 3 cells get no offset; X3 identity path skips the block. """  from __future__ import annotations@@ -648,13 +659,17 @@ def main() -> None:         X_out = sp.vstack([X_out, X_trans], format="csr")         X_out.data = X_out.data.astype(np.float32) -    # Node 18: additive type-level expression evolution (default OFF).-    # VEC_ADDMODE=dev: d_c = mu_c - mu_all (direct pseudobulk deviation);-    # VEC_ADDMODE=pathway: sign-based pathway module direction (PLAN step 3).-    # VEC_ADDSIGN=+1 amplifies type contrast (divergence), -1 converges.+    # Node 19: additive type-contrast expression offset (DEFAULT ON, eps=0.05).+    # x'_i = x_i + eps * sign * (mu_c - mu_all) for type c of cell i; pseudobulk+    # means computed live from the input pool (no hardcoded stats). Rationale:+    # de_recovery plateaued for 10 nodes; only shifts of per-type mean profiles+    # can move the DE gene set (multiplicative modulation proven blind, node 11).+    # Types with < MIN_ADD_CELLS cells get D=0 (unreliable pseudobulk).+    # VEC_ADDMODE=pathway: sign-based pathway module direction instead of dev.     # Skipped on the identity path (n_out >= pool, X3) and without celltypes.-    add_eps = float(os.environ.get("VEC_ADDEPS", "0.0"))+    add_eps = float(os.environ.get("VEC_ADDEPS", "0.05"))     if add_eps > 0.0 and ct is not None and n_out < adata.n_obs and X_trans is None:+        import sys         types_a, codes_a = np.unique(ct, return_inverse=True)         M = type_pseudobulk(adata.X, codes_a, len(types_a)).astype(np.float64)         mu_all = np.asarray(adata.X.mean(axis=0)).ravel().astype(np.float64)@@ -662,18 +677,39 @@ def main() -> None:         add_mode = os.environ.get("VEC_ADDMODE", "dev")         D = None         if add_mode == "pathway":+            n_sets = len(load_pathway_sets(args.data, genes))             std_pool = np.asarray(adata.X.power(2).mean(axis=0)).ravel() - mu_all ** 2             std_pool = np.sqrt(np.maximum(std_pool, 0.0))             D = pathway_direction_matrix(M, mu_all, genes, args.data,                                          std_pool, sign=add_sign)             if D is None:+                print(f"[add] pathway fallback to dev (sets={n_sets} < 20)",+                      file=sys.stderr)                 D = (M - mu_all[None, :]) * add_sign+            else:+                cov_frac = float(np.mean(np.abs(D) > 1e-6))+                print(f"[add] mode=pathway sets={n_sets} gene_cov={cov_frac:.3f}",+                      file=sys.stderr)         else:             D = (M - mu_all[None, :]) * add_sign-        Xd = np.asarray(X_out.todense(), dtype=np.float32) if sp.issparse(X_out) else np.asarray(X_out, dtype=np.float32)-        Xd += (add_eps * D[codes_a[rows]]).astype(np.float32)-        np.clip(Xd, 0.0, None, out=Xd)-        X_out = Xd+            print(f"[add] mode=dev sign={add_sign:+.0f} eps={add_eps}",+                  file=sys.stderr)+        counts_a = np.bincount(codes_a, minlength=len(types_a))+        D[counts_a < 3] = 0.0+        n_skipped = int(np.sum(counts_a < 3))+        if n_skipped:+            print(f"[add] skipped {n_skipped} types with <3 cells", file=sys.stderr)+        Xcsr = X_out.tocsr() if sp.issparse(X_out) else sp.csr_matrix(X_out)+        codes_out = codes_a[rows]+        for t in range(len(types_a)):+            rws = np.flatnonzero(codes_out == t)+            if rws.size == 0 or not np.any(D[t]):+                continue+            blk = np.asarray(Xcsr[rws].todense(), dtype=np.float32)+            blk += (add_eps * D[t]).astype(np.float32)+            np.clip(blk, 0.0, None, out=blk)+            Xcsr[rws] = sp.csr_matrix(blk)+        X_out = Xcsr      if eps > 0.0 and ct is not None:         types, codes = np.unique(ct, return_inverse=True)

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

完成。总结：

**做了什么**：把节点 18 被 env 门控成 no-op 的加性类型演化改为默认启用——E-S 抽样后对每个输出细胞做 `x' = clip(x + 0.05·(mu_c − mu_all), 0, ∞)`（伪批量现场计算、逐类型稀疏切片、<3 细胞类型跳过、X3 恒等路径跳过、回退带日志）。副靶 T_lo=0.55 实测证伪。

**查分结果**（6/20 次，proxy A 半）：ε 剂量曲线 0.02→56.26 / **0.05→56.35** / 0.075→56.28 / 0.10→56.17（基底 56.10）；seed1 55.67 vs 55.48，双 seed 正向。de_score 首次越过 0.0727 平台到 0.0909（de_recovery 51.33→52.48），cell_state +4.7，cov −1.1。proxy2 输出与 proxy 逐字节一致，X3 恒等路径不受影响，三视图 vec-check ok，确定性重跑一致。

**下一步最值得试**：(1) cov 回补——偏移只作用于高 |d| 基因或按基因 std 归一（pathway 模式思路），目标 cov 回 53+ 且保住 de 0.0909；(2) sign=−1 单次对照，确认收益来自「类型外推」而非「靠近全池均值」。

调研员

```json
{"name": "加性类型对比度表达偏移突破 de_recovery 平台",
 "motivation": "de_recovery 51.33 是四组最弱且自节点 9 起连续 10 个节点未动（0.0727/0.0545 两档平台）。节点 11 乘性 boost、节点 16 过渡细胞插值均证伪——de_score 对不改变类型伪批量均值方向的扰动盲。节点 18 尝试加性演化但代码被 env-var 门控（VEC_ADDEPS=0），四组 delta 精确为 0，等于未执行。ANALYSIS 明确指出：'只有真正改变类型均值表达谱的方法才可能突破'，且建议硬编码 add_eps=0.05 默认启用。",
 "approach": "在节点 16/18 基底（α=-3, β=-0.5, γ=0.2, k=1, per-type temp T_lo=0.60/T_hi=0.90, ρ=0.75）上，E-S 抽样完成后、输出前，对每个输出细胞做加性偏移：x'_i = x_i + ε·d_c，其中 d_c = mu_c − mu_all（类型伪批量均值减全池均值，在输入池上现场计算），ε 硬编码 0.05，无 env 门控。关键实现约束：(1) 稀疏矩阵逐类型切片操作（X_out[rows_c] += ε·d_c），不做全量 todense()，避免内存爆炸；(2) clip(x', 0, None) 保持非负；(3) X3 恒等路径（n_out≥n_obs）跳过；(4) 若某类型细胞数 <3 则跳过该类型（伪批量不可靠）。查分流程：Q1: ε=0.05 sign=+1 seed0 → 若 de_recovery 变化 >0.5 且 cell_state 掉 <2：Q2 seed1 确认方向；若 de 不动：Q3 ε=0.10；若 cell_state 掉 >2：Q4 ε=0.02；若 ε=0.10 仍不动：Q5 sign=−1（收敛方向）ε=0.05。共 ≤5 次，2 次无信号即止损。副靶（独立于主靶）：若主靶 ≤3 次查分后确认方向（正或负），剩余查分尝试 T_lo=0.55（仅改一个常数），单 seed 探针，de 档位掉出 0.0727 即回退 0.60。验收：输出矩阵与父节点逐字节不同（sha256 不同）才交打分。",
 "expected_groups": ["de_recovery"],
 "risks": "1) ε=0.05 幅度不足以移动 DE 集合（de_score 仍 0.0727）→ 用 ε=0.10 探针区分'方向对但幅度不够'与'方向错'；2) 加性偏移破坏 per-cell 协方差结构（cov 从 53.51 下降）→ 若 cov 掉 >1.5 即 ε 减半；3) 稀疏矩阵操作引入 dtype/index 错误 → Engineer 先在小 n_out 上 dry-run 验证 sha256 变化且值合理；4) 节点 18 教训：绝不能把机制放在默认关闭的开关后，提交前必须确认新代码路径被执行。",
 "sources": []}
```