总览 · ← 返回运行 20261001-233757-search-t1-abc-r0-C-native

节点 n31

改了什么

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 36251e2337: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 247851349a。改动的文件：solution/METHOD.md +10 −10、solution/run.py +64 −13

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 7215c8f..26f9540 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,12 +1,12 @@ ## 改了什么-相对父节点（pseudobulk_shift 种子）的全部改动：-1. 用 `inputs_by_time(manifest, include_external=False)` 只取官方阶段作为抽样基础，修复 proxy2 视图下复制 Qiu E9.0 心脏细胞导致细胞类型分布塌缩的问题（proxy2 27.43→53.74）。-2. 加入基于细胞类型族的组成重加权（T1-01 方向）：心脏相关类型权重 ×1.6，表面外胚层/EXEM/轴旁中胚层 ×0.25，Neural Tube 丢弃，其余 1.0。用子串匹配覆盖 E8.5/E9.5 不同命名。-3. 第 1 轮新增：检测输入是否含官方阶段（`has_official_stage`）。若全部为外部输入（X3 情形：Qiu 心脏阶段），则跳过族重加权、直接用全部输入（心脏数据本身已是目标谱系，重加权反而破坏组成），修复 X3 从 40.53 跌到 40.07 的问题。-4. 第 1 轮新增：当 `n_target <= n_obs` 时改用 `replace=False` 加权抽样，避免有放回抽样产生重复细胞、破坏基因共变结构（covariation 是最弱维度 40.52）。仅当目标细胞数超过可用细胞数时才退回有放回。-5. 保留两阶段伪批量位移逻辑不变。+相对父节点的全部改动：+1. 将全局加权抽样替换为按细胞类型分层抽样（stratified sampling）：先按 family_weight(type) × n_cells(type) 计算每个类型的配额分数，按比例分配整数配额（floor + 余量贪心补齐），再在每个类型内无放回均匀抽样。这消除了全局加权抽样中类型配额随机波动的问题，保证每个类型获得确定性的细胞数，从而更精确保留类内基因共变结构（covariation 是最弱维度 41.31）。+2. 类型配额分配使用 floor + 贪心补齐策略，确保总细胞数精确等于 n_target 且不超过各类型可用细胞数。+3. 非官方输入（X3）分支保持简单均匀抽样不变。+4. 两阶段伪批量位移逻辑不变。+5. 新增：将 n_target 夹到 manifest 的 [min_cells, max_cells] 范围内，修复 target_n_cells 返回值超过 max_cells 导致 invalid_format 的问题（5127 > 5118）。 ## 用到的知识与出处-- 方法卡 T1-01 方向：心脏类 ×1.6，表面外胚层/EXEM/轴旁中胚层 ×0.25，丢 Neural Tube（种子 heart_jcf_peri，proxy 55.97）-- CONTRACT 中 `inputs_by_time(manifest, include_external=False)` 与外部输入阶段的说明-- k012：cell_state 占 30%、covariation 占 20%，组成与共变结构对总分影响最大-- k007：X3 为窗外小鼠数据，输入均为外部阶段，无官方阶段+- 父节点 ANALYSIS 建议：按细胞类型分层抽样（每类型按权重分配整数配额再在类内无放回抽取），保留类内共变结构+- k012：covariation 占 20%，是最弱维度（41.31），改善空间最大+- 方法卡 T1-01 方向：族权重参数不变（心脏 ×1.6，表面外胚层/EXEM/轴旁 ×0.25，Neural Tube 丢弃）+- CONTRACT：输出细胞数必须在 [min_cells, max_cells] 之内diff --git a/solution/run.py b/solution/run.pyindex b9468f5..b3e5777 100644--- a/solution/run.py+++ b/solution/run.py@@ -50,6 +50,63 @@ def family_weight(name: str) -> float:     return DEFAULT_W  +def stratified_sample(labels, n_target, rng, weight_fn=None):+    types = np.unique(labels)+    type_indices = {}+    type_scores = {}+    for t in types:+        idx = np.where(labels == t)[0]+        type_indices[t] = idx+        w = weight_fn(t) if weight_fn else 1.0+        type_scores[t] = w * len(idx)++    total_score = sum(type_scores.values())+    if total_score <= 0:+        n = min(n_target, len(labels))+        return rng.choice(len(labels), size=n, replace=False)++    sorted_types = sorted(types, key=lambda t: type_scores[t], reverse=True)+    quotas = {}+    remaining = n_target+    for i, t in enumerate(sorted_types):+        n_avail = len(type_indices[t])+        if i == len(sorted_types) - 1:+            quotas[t] = min(remaining, n_avail)+        else:+            q = int(np.floor(n_target * type_scores[t] / total_score))+            q = max(q, 0)+            q = min(q, n_avail, remaining)+            quotas[t] = q+            remaining -= q++    if remaining > 0:+        for t in sorted_types:+            if remaining <= 0:+                break+            n_avail = len(type_indices[t])+            can_add = n_avail - quotas.get(t, 0)+            add = min(can_add, remaining)+            if add > 0:+                quotas[t] = quotas.get(t, 0) + add+                remaining -= add++    row_list = []+    for t in types:+        q = quotas.get(t, 0)+        if q <= 0:+            continue+        idx = type_indices[t]+        if q >= len(idx):+            row_list.append(idx)+        else:+            row_list.append(rng.choice(idx, size=q, replace=False))++    if not row_list:+        n = min(n_target, len(labels))+        return rng.choice(len(labels), size=n, replace=False)+    return np.concatenate(row_list)++ def has_official_stage(manifest) -> bool:     for inp in manifest.get("inputs", []):         if inp.get("source") != "external":@@ -73,22 +130,16 @@ def main() -> None:      labels = labels_of(last)     n_target = target_n_cells(manifest, last.n_obs)+    n_target = min(n_target, manifest.get("max_cells", n_target))+    n_target = max(n_target, manifest.get("min_cells", n_target))      if official:-        weights = np.array([family_weight(l) for l in labels], dtype=np.float64)-    else:-        weights = np.ones(last.n_obs, dtype=np.float64)--    w_sum = weights.sum()-    if w_sum > 0:-        weights /= w_sum-    else:-        weights = np.ones(last.n_obs, dtype=np.float64) / last.n_obs--    if n_target <= last.n_obs:-        rows = rng.choice(last.n_obs, size=n_target, replace=False, p=weights)+        rows = stratified_sample(labels, n_target, rng, weight_fn=family_weight)     else:-        rows = rng.choice(last.n_obs, size=n_target, replace=True, p=weights)+        if n_target <= last.n_obs:+            rows = rng.choice(last.n_obs, size=n_target, replace=False)+        else:+            rows = rng.choice(last.n_obs, size=n_target, replace=True)     X = last.X[rows]      if len(stages) >= 2:

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）。

没有记录调研来源。

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

native

stream

The error is `n_cells 5127 outside [1000, 5118]` — `target_n_cells` returns a value exceeding `max_cells`. Need to clamp `n_target` to the manifest's `max_cells`.

<<<<<<< SEARCH
    labels = labels_of(last)
    n_target = target_n_cells(manifest, last.n_obs)
=======
    labels = labels_of(last)
    n_target = target_n_cells(manifest, last.n_obs)
    n_target = min(n_target, manifest.get("max_cells", n_target))
    n_target = max(n_target, manifest.get("min_cells", n_target))
>>>>>>> REPLACE

```METHOD
## 改了什么
相对父节点的全部改动：
1. 将全局加权抽样替换为按细胞类型分层抽样（stratified sampling）：先按 family_weight(type) × n_cells(type) 计算每个类型的配额分数，按比例分配整数配额（floor + 余量贪心补齐），再在每个类型内无放回均匀抽样。这消除了全局加权抽样中类型配额随机波动的问题，保证每个类型获得确定性的细胞数，从而更精确保留类内基因共变结构（covariation 是最弱维度 41.31）。
2. 类型配额分配使用 floor + 贪心补齐策略，确保总细胞数精确等于 n_target 且不超过各类型可用细胞数。
3. 非官方输入（X3）分支保持简单均匀抽样不变。
4. 两阶段伪批量位移逻辑不变。
5. 新增：将 n_target 夹到 manifest 的 [min_cells, max_cells] 范围内，修复 target_n_cells 返回值超过 max_cells 导致 invalid_format 的问题（5127 > 5118）。
## 用到的知识与出处
- 父节点 ANALYSIS 建议：按细胞类型分层抽样（每类型按权重分配整数配额再在类内无放回抽取），保留类内共变结构
- k012：covariation 占 20%，是最弱维度（41.31），改善空间最大
- 方法卡 T1-01 方向：族权重参数不变（心脏 ×1.6，表面外胚层/EXEM/轴旁 ×0.25，Neural Tube 丢弃）
- CONTRACT：输出细胞数必须在 [min_cells, max_cells] 之内
```