总览 · ← 返回运行 20261002-034201-search-t1-abc-r1-B-population

节点 n23 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。在终选来历上

在节点20配方上加小池精确输出（池<N_OUT 时输出 0.75×池、不重复补齐），proxy/proxy2 输出与父节点逐位一致，X3 多种子 +1.9；型内标记典型性倾斜(BETA)与深度分层抽样实测无效已默认关闭。

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 6363a4df3b: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 206e85ed84。改动的文件：solution/METHOD.md +16 −15、solution/run.py +143 −14

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 8ec50d2..015ebe5 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,19 +1,20 @@-在节点17配方上加型内转录活性反倾斜抽样（GAMMA_RNA=-0.45：低检测基因数细胞被适度多选），其余不变（logit 反向趋势 GAMMA=-2.4、心脏解剖重加权、n=3000，表达值不改）。+在节点20配方上加小池精确输出（池<N_OUT 时输出 0.75×池、不重复补齐），proxy/proxy2 输出与父节点逐位一致，X3 多种子 +1.9；型内标记典型性倾斜(BETA)与深度分层抽样实测无效已默认关闭。  ## 方法-- 基座：最新官方输入阶段（proxy/proxy2 = E8.5；final = E9.5；X3 无官方输入则用最新外部阶段 E9.0）。只重采样真实细胞，`.X` 从不修改。-- **新：型内活性倾斜**。对每细胞算检测基因数 n_genes（稀疏矩阵用 indptr 差分，缺失时退回 obs/稠密计数）；型内权重 w_i=(n_i/median_type)^GAMMA_RNA，`rng.choice(..., p=w)` 无放回抽样。GAMMA_RNA=-0.45（负值=偏向低活性/低深度细胞）。动机：低深度细胞保留更多低表达基因的相对权重、避免高深度细胞（常偏细胞周期）主导型内分布；实测方向与 PLAN 预期相反（+0.3 掉分、-0.45 涨分）。-- 趋势分支、BIAS_FLOOR、解剖重加权、配额（floor 分配+每型地板 5+最大余数）与节点 17 完全相同。FLOOR_CARDIAC=12 实测输出与 5 逐位相同（心脏型配额均>12），保持 5。-- proxy2 的 Qiu E9.0 不作基座、不参与趋势；proxy2 输出与 proxy 相同。-- 确定性：仅用 `np.random.default_rng(seed)`。+- 基座、logit 反向趋势（GAMMA=-2.4，dt 封顶 1）、心脏解剖重加权（心脏族×1.3、神经管/表面外胚层×0、旁轴×0.1）、型内活性反倾斜（GAMMA_RNA=-0.45）、配额分配与 n=3000 均与节点 20 相同；表达值从不修改。+- **新：小池精确输出（SMALL_POOL_FRAC=0.75）**：当基座池细胞数 < N_OUT（X3：E9.0 池 2174）时，不再重复补齐到 3000，改为输出 floor(0.75×池)=1630 个细胞，配额按重加权后份额精确分配、层内无放回加权抽样，重复只可能落在占比上升的类型。大池视图（proxy/proxy2/final）该分支不触发，输出与父节点逐位一致（已验证）。此部件是树上已验证组件（node 19/21/22 用 0.95 得 X3 +1.8）的延伸，0.75 为本次实测。+- 已实现但默认关闭的新机制（均实测无增益）：+  - `BETA`（型内标记典型性倾斜）：基座阶段每基因 z 分数，每型（≥30 细胞）一-vs-余 logFC 取 top-50 正标记，型内权重 ((m-min)/(median-min))^BETA。扫描 0.15/0.3/0.5/0.8 proxy s0 = 58.08/57.95/57.70/57.82，均 ≈ 父节点 58.01，de_recovery 门槛（≥+1.5）未过；负 BETA 更差（56.69）。+  - `STRAT`（型内 n_genes 三分位等份分层抽样，5% 随机余量）：proxy s0 = 57.19，明显低于父节点（等份分层稀释了 GAMMA_RNA 低深度倾斜的收益）。 -## 验证（A 半查分，15 次）-- proxy seed0：+0.3→56.19（de_recovery 52.48 掉）、0→56.69、-0.3→57.34、-0.35→57.34、**-0.45→58.01**、-0.5→57.73、-0.6→57.10。-- -0.45 多种子：proxy s1 57.09、s2 57.47（均值 57.52 vs 父节点 56.69/56.74）；-0.5 s1 57.09。-- X3：-0.45 s0 55.21、s1 54.61（父节点 53.59）；-0.3 s0 55.21。X3 无掉分。-- 三视图均过 vec-check；运行 <10 s、内存 <2 GB。+## 验证（A 半查分，本节点 12 次）+- BETA 扫描（proxy s0）：0.15→58.08、0.3→57.95、0.5→57.70、0.8→57.82、-0.3→56.69；父节点参照 s0=58.01（de_recovery 53.54）。无单调峰、de_recovery 无提升 → 判负。+- STRAT（proxy s0）：57.19 → 判负。+- N_OUT 增大（proxy s0）：4500→57.28、5118→57.75，均低于 3000 的 58.01 → 保持 3000。+- 小池 X3：frac 0.95→s0 55.88/s1 55.59；0.85→56.32；**0.75→s0 56.55/s1 57.07**；0.6→56.63。父节点 X3 A 半 s0 55.21/s1 54.61。0.75 两种子均值 +1.9，取 0.75（0.6 与 0.75 差在噪声内，不再外推更小以免过度收缩输出规模）。+- proxy/proxy2/final-X3 三视图均过 vec-check；BETA=0 且池充足时输出与父节点逐位相同（已比对）。 -## 未验证-- GAMMA_RNA 在 final（E8.5+E9.5 双官方阶段、趋势分支触发）上与 logit 外推的交互。-- -0.45 vs -0.5/-0.3 的差在 A 半噪声（~1）内；选 -0.45 依据是 s0 最高且 s0-s2 均值最高。-- 活性倾斜的生物学解释（低深度细胞保留低表达 DE 基因信号）未经消融证实，仅由分数方向支持。+## 未验证 / 风险+- 0.75 vs 0.6 的差异在噪声内；X3 上"更少细胞→分更高"部分来自分布类指标，若 B 半不重现，收益退化到 0.95 档（树上已验证仍为正）。+- 0.75 只在 X3（池 2174）触发过；final 视图若 E9.5 池 >3000 则不受影响，若池较小则行为未实测。+- BETA/STRAT 代码保留但默认关闭，对提交行为无影响。diff --git a/solution/run.py b/solution/run.pyindex a416803..73e340a 100644--- a/solution/run.py+++ b/solution/run.py@@ -26,6 +26,14 @@ N_OUT = int(os.environ.get("N_OUT", "3000")) FLOOR = 5 FLOOR_CARDIAC = int(os.environ.get("FLOOR_CARDIAC", "5")) GAMMA_RNA = float(os.environ.get("GAMMA_RNA", "-0.45"))  # per-cell transcriptome-activity tilt+BETA = float(os.environ.get("BETA", "0.0"))   # within-type marker-typicality tilt+MARKER_K = int(os.environ.get("MARKER_K", "50"))+MARKER_MIN_CELLS = int(os.environ.get("MARKER_MIN_CELLS", "30"))+STRAT = int(os.environ.get("STRAT", "0"))  # 1 = within-type depth-tertile stratified sampling+STRAT_N = int(os.environ.get("STRAT_N", "3"))+STRAT_RAND_FRAC = float(os.environ.get("STRAT_RAND_FRAC", "0.05"))+SMALL_POOL = int(os.environ.get("SMALL_POOL", "1"))+SMALL_POOL_FRAC = float(os.environ.get("SMALL_POOL_FRAC", "0.75")) CLIP = 1e-3 JACCARD_MIN = 0.8 @@ -59,6 +67,35 @@ def sigmoid(y):     return 1.0 / (1.0 + np.exp(-np.clip(y, -30, 30)))  +def gene_moments(X, n_cells: int):+    """Per-gene mean and std over the base stage, computed in row chunks."""+    import scipy.sparse as sp+    s = np.zeros(X.shape[1], dtype=np.float64)+    s2 = np.zeros(X.shape[1], dtype=np.float64)+    step = 512+    for i in range(0, n_cells, step):+        blk = X[i:i + step]+        if sp.issparse(blk):+            blk = blk.toarray()+        blk = np.asarray(blk, dtype=np.float64)+        s += blk.sum(axis=0)+        s2 += (blk * blk).sum(axis=0)+    mu = s / max(n_cells, 1)+    var = np.maximum(s2 / max(n_cells, 1) - mu * mu, 0.0)+    return mu, np.sqrt(var)+++def type_means(X, masks: dict, mu: np.ndarray):+    import scipy.sparse as sp+    out = {}+    for t, m in masks.items():+        rows = X[np.flatnonzero(m)]+        if sp.issparse(rows):+            rows = rows.toarray()+        out[t] = np.asarray(rows, dtype=np.float64).mean(axis=0)+    return out++ def type_props(labels: np.ndarray, types: list[str]) -> np.ndarray:     counts = np.array([(labels == t).sum() for t in types], dtype=np.float64)     return counts / max(counts.sum(), 1.0)@@ -136,6 +173,13 @@ def main():         w = counts.copy()      n_out = int(np.clip(min(N_OUT, manifest["max_cells"]), manifest["min_cells"], manifest["max_cells"]))+    n_pool = int(labels.shape[0])+    if SMALL_POOL and n_pool < N_OUT:+        # Small-pool view: do not pad with duplicates up to N_OUT; emit an+        # exact-composition subsample (0.95x pool), duplicates only where a+        # type's reweighted share exceeds its pool.+        n_out = int(np.clip(int(np.floor(SMALL_POOL_FRAC * n_pool)),+                            manifest["min_cells"], min(n_pool, manifest["max_cells"])))     pos = np.flatnonzero(w > 0)     share = w[pos] / w[pos].sum()     fl = np.array([FLOOR_CARDIAC if anat[i] > 1.0 else FLOOR for i in range(len(w))], dtype=np.int64)[pos]@@ -163,22 +207,79 @@ def main():             k += 1     quota[pos] = q +    Xb = base.X+    if hasattr(Xb, "indptr"):+        ng = np.diff(Xb.indptr).astype(np.float64)+    elif "n_genes" in base.obs:+        ng = base.obs["n_genes"].to_numpy(dtype=np.float64)+    else:+        ng = (np.asarray(Xb) > 0).sum(axis=1).astype(np.float64)+    ng = np.maximum(ng, 1.0)     cell_w = None     if GAMMA_RNA != 0.0:-        Xb = base.X-        if hasattr(Xb, "indptr"):-            ng = np.diff(Xb.indptr).astype(np.float64)-        elif "n_genes" in base.obs:-            ng = base.obs["n_genes"].to_numpy(dtype=np.float64)-        else:-            ng = (np.asarray(Xb) > 0).sum(axis=1).astype(np.float64)-        ng = np.maximum(ng, 1.0)         cell_w = np.ones_like(ng)         for t in base_types:             m = labels == t             if m.sum() > 1:                 cell_w[m] = (ng[m] / np.median(ng[m])) ** GAMMA_RNA +    marker_v = None+    if BETA != 0.0:+        import scipy.sparse as sp+        Xb = base.X+        n_tot = int(Xb.shape[0])+        mu, sd = gene_moments(Xb, n_tot)+        sd_safe = np.maximum(sd, 1e-8)+        masks = {t: labels == t for t in base_types}+        big = [t for t in base_types if int(masks[t].sum()) >= MARKER_MIN_CELLS]+        if big:+            tmeans = type_means(Xb, {t: masks[t] for t in big}, mu)+            sum_all = mu * n_tot+            markers = {}+            for t in big:+                n_t = int(masks[t].sum())+                mean_rest = (sum_all - tmeans[t] * n_t) / max(n_tot - n_t, 1)+                logfc = (tmeans[t] - mean_rest) / sd_safe+                cand = np.flatnonzero(logfc > 0)+                if len(cand) == 0:+                    continue+                order = cand[np.argsort(-logfc[cand], kind="stable")][:MARKER_K]+                markers[t] = order+            if markers:+                union = np.unique(np.concatenate(list(markers.values())))+                upos = {int(g): j for j, g in enumerate(union)}+                sub = Xb[:, union]+                if sp.issparse(sub):+                    sub = sub.toarray()+                zsub = (np.asarray(sub, dtype=np.float64) - mu[union]) / sd_safe[union]+                marker_v = np.ones(n_tot)+                for t, cols in markers.items():+                    cidx = np.array([upos[int(g)] for g in cols])+                    cells = np.flatnonzero(masks[t])+                    m = zsub[np.ix_(cells, cidx)].mean(axis=1)+                    lo = float(m.min())+                    med = float(np.median(m))+                    if med - lo < 1e-9:+                        continue+                    marker_v[cells] = np.clip((m - lo) / (med - lo), 0.0, None) ** BETA++    if cell_w is None and marker_v is not None:+        fw = marker_v+    elif cell_w is not None and marker_v is None:+        fw = cell_w+    elif cell_w is not None and marker_v is not None:+        fw = cell_w * marker_v+    else:+        fw = None++    def wchoice(cand, size):+        if fw is None:+            return rng.choice(cand, size=size, replace=False)+        p = fw[cand]+        if p.sum() <= 0 or not np.isfinite(p).all():+            return rng.choice(cand, size=size, replace=False)+        return rng.choice(cand, size=size, replace=False, p=p / p.sum())+     rows = []     for t, qi in zip(base_types, quota):         if qi <= 0:@@ -190,16 +291,44 @@ def main():             take = pool.copy()             extra = rng.choice(pool, size=int(qi) - len(pool), replace=True)             rows.append(np.sort(np.concatenate([take, extra])))-        elif cell_w is None:-            rows.append(np.sort(rng.choice(pool, size=int(qi), replace=False)))+        elif STRAT and len(pool) >= 3 * STRAT_N:+            n_rand = min(int(round(STRAT_RAND_FRAC * int(qi))), int(qi))+            chosen = []+            rest = pool+            if n_rand > 0:+                c = wchoice(rest, n_rand)+                chosen.append(c)+                rest = np.setdiff1d(rest, c)+            nrem = int(qi) - n_rand+            if nrem > 0 and len(rest) > 0:+                order = rest[np.argsort(ng[rest], kind="stable")]+                strata = np.array_split(order, STRAT_N)+                bq, ex = divmod(nrem, STRAT_N)+                qs = [bq + (1 if i < ex else 0) for i in range(STRAT_N)]+                short = 0+                for i in range(STRAT_N):+                    tk = min(qs[i], len(strata[i]))+                    short += qs[i] - tk+                    qs[i] = tk+                i = 0+                while short > 0:+                    j = i % STRAT_N+                    if qs[j] < len(strata[j]):+                        qs[j] += 1+                        short -= 1+                    i += 1+                    if i > 10 * STRAT_N and short > 0:+                        break+                for s, k in zip(strata, qs):+                    if k > 0:+                        chosen.append(wchoice(s, k))+            rows.append(np.sort(np.concatenate(chosen)))         else:-            p = cell_w[pool]-            p = p / p.sum()-            rows.append(np.sort(rng.choice(pool, size=int(qi), replace=False, p=p)))+            rows.append(np.sort(wchoice(pool, int(qi))))     rows = np.concatenate(rows)     X = base.X[rows]     vio.write_prediction(X, genes, args.out, seed=args.seed)-    print(json.dumps({"n_cells": int(X.shape[0]), "gamma": GAMMA,+    print(json.dumps({"n_cells": int(X.shape[0]), "gamma": GAMMA, "beta": BETA,                       "trend_used": fac is not None,                       "base": base_entry.get("stage")}, default=str)) 

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。

**做了什么**：按 PLAN 实现了型内标记典型性倾斜（BETA）并扫描 5 点——proxy s0 全部 ≈ 父节点（58.08/57.95/57.70/57.82 vs 58.01），de_recovery 门槛未过，判负；退路 STRAT 深度分层也判负（57.19）；N_OUT 增大判负。改为移植树上已验证组件"小池精确输出"到节点 20 配方，并实测 SMALL_POOL_FRAC=0.75（0.95/0.85/0.75/0.6 单调扫描 + 双种子确认）。

**查分**（用 12/20）：X3 A 半 0.75 档 s0 56.55 / s1 57.07，vs 父节点 55.21/54.61（+1.9）；proxy/proxy2 输出与父节点逐位一致（58.01 参照不变）。三视图 vec-check 通过，运行 ~2s。

**下一步建议**：① de_recovery（53.5 档）对配额倾斜和型内抽样倾斜均已免疫，需要改表达的合规机制（如基于 prior 通路的基因级伪时间漂移）；② 小池 frac 在 final 视图（E9.5 池若 <3000）的行为待验证；③ X3 上"更少细胞更高分"的效应值得在 B 半复核，防止是 A 半噪声。

调研员

```json
{
  "name": "型内标记典型性倾斜：按输入期一-vs-余 DE 标记富集成熟细胞",
  "motivation": "父节点 20 四组中 de_recovery 53.72 仍是最弱组，且 Analyst 确认 GAMMA_RNA=-0.45 活性倾斜对它无效（+0.70，噪声内）。树上已试过的表达修改（EB 收缩 node16 为 no-op）、计数空间乘法修正（node4 与真值反相关）、prior 签名配额倾斜（node8/11 输于解剖重加权）、FLOOR_CARDIAC 提高（node20 输出逐位相同）均已失败。de_recovery 需要一个未试过的、只动配额的新机制：组成趋势（GAMMA=-2.4 外推）改变的是各型占比，但每个上升型在 E9.5 应比 E8.5 更分化——若把配额倾斜给型内标记表达最高的细胞，相当于在不改任何表达值的前提下把每型的分布推向更成熟端，直接强化随占比上升而被放大的型特异 DE 信号。",
  "approach": "在 node 20 配方（GAMMA=-2.4、解剖重加权、GAMMA_RNA=-0.45、n=3000）上加一个乘法型内权重：\n1) 仅用基座阶段（官方最新输入阶段；proxy/proxy2 = E8.5，final = E9.5，X3 = E9.0）算每基因 z 分数。\n2) 每型 t（成员≥30）：算一-vs-余 logFC = mean_z(t) - mean_z(rest)，取 top K=50 正标记基因（只来自输入阶段，合规）。\n3) 每细胞 marker 分 m_i = 该 50 基因 z 值的均值；型内权重 v_i = (m_i / median_type)^BETA（先减型内最小值保证非负，型内 z 方差近零时该型跳过倾斜）。\n4) 最终抽样权重 = 原有权重 × (n_genes/median)^GAMMA_RNA × v_i，无放回 rng.choice(p=w)。\n5) 初值 BETA=0.3，扫 {0(复现父节点), 0.15, 0.3, 0.5, 0.8}。vec-score 流程：先 proxy seed0 扫 5 点（~5 次），确认父节点复现 ≈57.9；要求最佳 BETA 的 de_recovery 比 BETA=0 高 ≥1.5 分才继续；否则转退路（见下）。过 gate 后 X3 seed0 验证（无掉分才保留），最佳点再跑 2 个种子取均值（A 半噪声 ~1，需 ≥3 种子区分相邻参数）。总预算 ≤12 次。\n6) 单阶段退路：标记分与倾斜完全只依赖基座阶段，天然适配 proxy（单官方阶段、趋势分支返回 None 时配额不受影响）。proxy2 忽略 Qiu E9.0（与父节点一致）。final 双官方阶段时基座为 E9.5，同一代码路径成立。\n7) 若 BETA 扫描无信号（所有点与 0 差 <1）：改试 Analyst 备选——型内按 n_genes 三分位分层抽样（各层配额按型份额×0.95/0.05 留随机余量），同样不动表达；仍无信号则保持 GAMMA_RNA=-0.45 原样提交（保底不劣化）。",
  "expected_groups": ["de_recovery", "direction"],
  "risks": "1) 型内异质性被压缩可能伤 covariation（父节点该组 +2.07 靠低深度倾斜）——若 covariation 掉 >2 分而 de_recovery 涨幅 <2，减小 BETA 或只对趋势上升型（fac>1.05）施加倾斜。2) 稀疏数据下一-vs-余 logFC 的 top-50 标记可能是假阳性，倾斜方向错误会掉分——BETA=0 点即父节点，扫描曲线若无单调峰即判负。3) 与 GAMMA_RNA 相关性：低深度细胞往往标记分也低，两个倾斜可能重复计数——若组合掉分，把 GAMMA_RNA 归零单独测 BETA 消融。4) 预期提升可能 <2 分噪声——必须 3 种子均值比较，单次 +1 不算成功。5) 小细胞型（<50 细胞）标记不稳，跳过或降权以免引入噪声。",
  "sources": []
}
```

审查员

REVIEW.json written