节点 n17

```json
{
  "name": "修复节点8：稀疏典型性加权（安全API + 稀疏余弦）",
  "motivation": "节点8在13.6s后crash（无stderr），ANALYSIS指出两个可疑原因：(1) inputs_by_time(manifest, include_external=False)参数可能不存在导致TypeError；(2) X.astype(np.float64)全量稠密化+逐类型np.ix_切片在父节点已占1.48GB的基础上OOM。节点14（第一次debug）也gen_empty。底层想法（类型内典型性加权提升de_recovery）未被检验；当前最优节点7/16的de_recovery仅51.69，仍有提升空间。基座节点6（两级增殖重加权）得分53.87，若典型性加权能将de_recovery从~50.65提升3-5分（25%权重），总分可提升约1-1.5分，需多次查分确认。",
  "approach": "分两步，先修后验：\n\n**第一步：冒烟验证基座（5分钟）**\n- 复制节点6的run.py（即节点8代码去掉typicality部分），但修复API调用：不用include_external参数，改为读取manifest后手动过滤掉external来源的阶段（检查stage字典中是否有'source'或类似字段标记external；若无法区分则取最后一个阶段即可，与节点6逻辑一致）。\n- 在main最外层包try/except，将traceback写入--out同目录的error.log。\n- 用gamma=0（跳过全部典型性计算）跑一次，确认输出非空、分数≈55.8（节点6的proxy分）。若此步失败，只修此步，不叠加新组件。\n\n**第二步：稀疏典型性加权（20分钟）**\n- 重写typicality_weights为纯稀疏路径：\n  - 不做X.astype(np.float64)全量拷贝；保持csr_matrix。\n  - 逐类型：rows = X[m][:, de]（稀疏切片，不稠密化）。\n  - 类型质心：cent = np.asarray(rows.sum(axis=0)).ravel() / k（仅对de列求和，稀疏→小向量）。\n  - DE基因选取：mt = cent（同上），rest通过全矩阵列和减去该类型列和得到（一次稀疏sum(axis=0)，O(nnz)），取|mt-rest|最大的500列索引。\n  - 余弦相似度：sim = rows.dot(cent) / (sparse_norm(rows, axis=1) * norm(cent))，其中sparse_norm用rows.multiply(rows).sum(axis=1)实现，全程不稠密化行矩阵。\n  - w_typ = clip(sim, 0, 1)^gamma，gamma初值0.5，搜索范围{0.3, 0.5, 0.8}。\n  - 类型细胞数<20跳过（保持原逻辑）。\n- 内存控制：任何时刻最大稠密数组为(细胞数×1)或(500,)向量，总内存应<1.5GB。\n\n**查分策略（最多20次）：**\n- 1次：gamma=0冒烟（应≈55.8）。\n- 3次：gamma=0.5跑3个seed确认稳定性。\n- 若0.5优于基座≥2分：再试0.3和0.8各1次。\n- 若0.5不优于基座或方差大：放弃典型性，发布纯节点6等价输出（保底53.87）。\n- 单输入阶段退路：proxy只有一个官方阶段，典型性在该阶段内计算，无需第二时间点，逻辑自然成立。X3等外部视图若阶段来源非官方，跳过典型性直接均匀抽样（与节点6/7一致）。",
  "expected_groups": ["de_recovery"],
  "risks": "1) inputs_by_time确实无include_external参数且manifest无明确external标记→回退到取最后一个阶段（等价节点6）。Engineer应在冒烟步先print(stages)确认。2) 典型性加权对de_recovery无正效果或伤covariation（节点13已证明表达修饰容易伤其他组）→若gamma=0.5使总分低于基座，立即回退。3) 稀疏切片X[m][:,de]在极大m时仍可能慢→监控单类型耗时，若>5s则限制MAX_CELLS_PER_TYPE=5000（随机子采样行索引计算质心）。4) 预期提升~1-1.5分在噪声内→需≥3个seed确认，若方差>2分则视为无效。"
}
```