总览 · ← 返回运行 20261001-233756-search-t1-abc-r0-B-population

节点 n2

以最新官方输入阶段做 copy_last（外部阶段永不直接当输出），类型配对伪批量位移默认收缩系数 α=0（实测任何 α>0 均降分），保留 shift 机制供后续节点调参。

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 bd089b836e: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 b6980f6761。改动的文件：solution/METHOD.md +37 −0、solution/run.py +72 −14

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..5735adc--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,37 @@+以最新官方输入阶段做 copy_last（外部阶段永不直接当输出），类型配对伪批量位移默认收缩系数 α=0（实测任何 α>0 均降分），保留 shift 机制供后续节点调参。++## 方法++- 基群体 = 最新**官方**输入阶段（proxy: E8.5；proxy2: E8.5 而非外部 Qiu E9.0；final: E9.5；X3 无官方输入时用最新外部阶段 E9.0）。这是对父节点的关键修正：父节点在 proxy2 上把只有心脏谱系、2174 个细胞、基因不全的 Qiu E9.0 直接当预测输出，proxy2 仅 27.43。CONTRACT 本身要求"不要把外部细胞直接当预测输出"。+- 无放回抽样到 target_n_cells（`sample_rows`），保留经验细胞分布与共变结构。+- 位移机制（默认关闭）：对基阶段与其前一阶段共有的细胞类型（两边各 ≥30 个细胞）计算伪批量差值，乘 α 后加到该类型细胞行上，clip≥0。α 由环境变量 `VEC_ALPHA` 覆盖，默认 0.0，此时完全跳过（等价 copy_last）。+- 单阶段（proxy）自动退化为 copy_last，不会崩。++## 关键参数++- α=0.0（默认）。MIN_TYPE_CELLS=30（α=0 时无作用）。++## 验证过什么（vec-score，A 半）++| 预测 | proxy | proxy2 | X3 |+|---|---|---|---|+| 父节点（seed shift） | 50.04 | 27.43 | 40.53 |+| 本节点 α=0 | 50.40 | 50.40 | 50.00 |+| 本节点 α=0.25（仅 X3 生效） | - | - | 44.15 |+| 本节点 α=0.5（仅 X3 生效） | - | - | 42.43 |+| 本节点 α=1.0（仅 X3 生效） | - | - | 40.33 |++- X3 上 α 单调有害：α↑ → covariation（50→28.6→21.9→15.3）、de_recovery、cell_state 全降，与方法卡"常数位移在 T1 上 48.6 低于 copy_last"一致。故取 α=0。+- proxy/proxy2 在本程序下路径相同（都用官方 E8.5，proxy2 无更早阶段），预测与已查分文件一致。+- 三个视图均通过 vec-check；输出在 α=0 下与已查分的 preds 完全一致（同 seed 同抽样）。++## 没验证什么++- 逐基因经验贝叶斯收缩（PLAN 第 2 步）：α 全局收缩已单调劣于 copy_last，逐基因收缩只在 α>0 时有意义，未测。+- 分层重抽样（PLAN 第 3 步）：抽样已是按行的无放回/有放回混合，未做按类型分层，未测其增益。+- final 视图（E8.5+E9.5→E10.5）无法在本地查分；α=0 时行为 = copy_last(E9.5)。+- 用 E8.75→E9.0 的类型比例趋势外推 X3 组成：未测（预计增益 < 噪声 2 分）。++## 生物学知识来源++无外部文献知识；仅使用视图内数据与 CONTRACT 中关于外部输入阶段局限的说明。diff --git a/solution/run.py b/solution/run.pyindex f3a0f25..ff1b865 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,21 @@ #!/usr/bin/env python3-"""pseudobulk_shift: latest stage + per-cell-type pseudobulk delta of the last step.+"""copy_last on the latest OFFICIAL stage + alpha-shrunk per-type pseudobulk shift. -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.+Two changes over the seed pseudobulk_shift: -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.+1. The base population is always the latest OFFICIAL input stage. An external+   input (proxy2: Qiu E9.0, heart-only, partial panel) is never copied as the+   prediction, per the contract ("do not output external cells directly");+   it is only used to estimate a delta when its cell-type labels overlap the+   base stage's labels. When no official input exists (X3-style test views),+   the latest input of any source is the base.++2. The per-type pseudobulk delta (latest - previous step, types present in+   both) is multiplied by a shrinkage factor ALPHA before being added, and+   only types with a decent cell count in both stages are shifted. Rows are+   clipped at 0 after the shift.++With a single usable stage (T1 proxy) this is exactly copy_last. """  from __future__ import annotations@@ -16,9 +24,9 @@ import argparse  import numpy as np -from src.task1_temporal.baselines import shift_rows, type_deltas from src.task1_temporal.view_io import (     inputs_by_time,+    is_external,     labels_of,     load_manifest,     panel_genes,@@ -28,6 +36,47 @@ from src.task1_temporal.view_io import (     write_prediction, ) +ALPHA = float(__import__("os").environ.get("VEC_ALPHA", "0.0"))+MIN_TYPE_CELLS = 30  # types with fewer cells in either stage are copied+++def type_deltas_shrunk(prev_X, prev_labels, last_X, last_labels):+    """mean(last|c) - mean(prev|c) per shared type, x ALPHA, count-gated."""+    out = {}+    prev_counts = {}+    for t in np.unique(prev_labels):+        prev_counts[str(t)] = int((prev_labels == t).sum())+    for t in np.unique(last_labels):+        t = str(t)+        n_prev = prev_counts.get(t, 0)+        n_last = int((last_labels == t).sum())+        if n_prev < MIN_TYPE_CELLS or n_last < MIN_TYPE_CELLS:+            continue+        m_last = np.asarray(last_X[np.flatnonzero(last_labels == t)].mean(axis=0), dtype=np.float32).ravel()+        m_prev = np.asarray(prev_X[np.flatnonzero(prev_labels == t)].mean(axis=0), dtype=np.float32).ravel()+        out[t] = (ALPHA * (m_last - m_prev)).astype(np.float32)+    return out+++def shift_rows(X, labels, deltas):+    from scipy import sparse++    X = X.tocsr() if sparse.issparse(X) else sparse.csr_matrix(X)+    blocks = []+    order = []+    for t in np.unique(labels):+        idx = np.flatnonzero(labels == t)+        order.append(idx)+        if str(t) in deltas:+            dense = np.clip(X[idx].toarray() + deltas[str(t)], 0, None).astype(np.float32)+            blocks.append(sparse.csr_matrix(dense))+        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()@@ -38,16 +87,25 @@ def main() -> None:      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)-    stages = inputs_by_time(manifest)-    last = read_stage(args.data, stages[-1], genes)+    all_inputs = inputs_by_time(manifest, include_external=True)+    official = [e for e in all_inputs if not is_external(e)]+    base_entry = official[-1] if official else all_inputs[-1]++    last = read_stage(args.data, base_entry, genes)     rng = np.random.default_rng(args.seed)     rows = sample_rows(last.n_obs, target_n_cells(manifest, last.n_obs), rng)     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))+    last_labels = labels_of(last)++    # previous step: latest input strictly before the base with overlapping labels+    prev_entries = [e for e in all_inputs if e["time"] < base_entry["time"]]+    if prev_entries and ALPHA > 0:+        prev = read_stage(args.data, prev_entries[-1], genes)+        deltas = type_deltas_shrunk(prev.X, labels_of(prev), last.X, last_labels)         del prev-        X = shift_rows(X, labels_of(last)[rows], deltas)+        if deltas:+            X = shift_rows(X, last_labels[rows], 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

**做了什么**：修正父节点在 proxy2 上把外部 Qiu E9.0（仅心脏、2174 细胞）直接当预测的错误——基群体改为最新官方输入阶段；位移机制保留但默认 α=0（X3 实测 α=0.25/0.5/1.0 单调劣于 copy_last：44.1/42.4/40.3 vs 50.0，covariation 受损最重）。

**查分**（7/20 次）：proxy 50.40、proxy2 50.40（父 27.43）、X3 50.00（父 40.53）→ 节点分约 50.3 vs 父 39.34。三视图 vec-check 通过，α=0 输出与已查分文件数值一致。

**下一步方向**：三把尺子都停在 copy_last 地板（50），要突破需真实发育信号——建议试 (a) 用 prior/（Reactome、TF regulons）构造方向性先验做小幅定向位移而非数据驱动 delta；(b) 类型比例随时间的单调外推（X3 有两点可验证）；(c) 逐基因收缩只在 α>0 有意义，当前证据下不值得。

调研员

{
  "name": "去裁剪 + 逐基因经验贝叶斯收缩 + 协方差保持重抽样",
  "motivation": "父节点 covariation 仅 22.56（四组最弱）。当前方法将位移夹到 ≥0，截断负值会人为制造基因间伪相关并压缩方差，直接破坏协方差结构。同时逐类型常数位移对所有基因一视同仁，噪声大的基因（delta 方差高）被全额加入，进一步污染相关结构。proxy2 仅 27.43 也说明全量 delta（α=1）过度外推（k018 已指出 α=1 低于 copy_last）。",
  "approach": "三步改动，均在 run.py 内完成：\n1. **去掉 clip≥0**：shift_rows 中不再将位移夹到 0，允许基因表达下降（发育中大量基因下调）。若担心负值，仅在最终输出时全局截到 0（而非位移前），避免截断扭曲相关结构。\n2. **逐基因经验贝叶斯收缩**：对每个基因 g、每个类型 c，计算 delta_gc 的 t 统计量 = |delta_gc| / (sd_gc / sqrt(n_c))。收缩因子 w_gc = t²/(t²+df)（df 取全局中位数自由度，约 30）。实际位移 = w_gc * delta_gc。搜索范围：df ∈ {10,30,100}，用 vec-score 在 proxy2 上比较（proxy2 有两个时间点可算 delta）。单阶段退路：无 delta 可算，跳过此步，等价于去裁剪的 copy_last。\n3. **协方差保持重抽样**：当 target_n_cells > n_obs 时，用分层有放回抽样（按类型比例），而非无放回子采样。当 target_n_cells < n_obs 时保持无放回但按类型分层。这避免小类型被过度丢弃导致协方差偏移。\n用 vec-score 快速筛选：先只改第 1 步（去裁剪）查 proxy 和 proxy2 各一次；若提升 > 2 分再加第 2 步；第 3 步最后加。总查分 ≤ 6 次。",
  "expected_groups": ["covariation", "cell_state"],
  "risks": "1) 去裁剪后若打分器对负值惩罚严重，分数可能反降——Engineer 第一次查分即可发现，回退方案是改为软裁剪（tanh 压缩到 [0, max]）。2) 逐基因收缩的 df 超参敏感——用 3 个候选值各查一次，选最优。3) 单阶段 proxy 无法测试收缩效果——依赖 proxy2 信号，但注意 proxy2 仅覆盖 27883 基因且为心脏谱系，若收缩在 proxy2 上有效但 proxy 上无效，以 proxy 为准（权重相同）。"
}

审查员

REVIEW.json written