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

节点 n9

组成重加权复制（官方基座）+ 反向组成趋势外推（外部测试题）；表达值从不修改，n≈3000，GAMMA=-1.2。

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 1935c3fd19: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：这个提交的上一版（种子程序：相对空仓库）。改动的文件：solution/METHOD.md +37 −0、solution/run.py +108 −0

diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..1f8d713--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,37 @@+组成重加权复制（官方基座）+ 反向组成趋势外推（外部测试题）；表达值从不修改，n≈3000，GAMMA=-1.2。++## 方法++预测 = 从最新输入的真实细胞云里重采样，只改**细胞类型组成**，不改任何表达值。++1. **官方输入存在时**（proxy / proxy2 / final）：基座 = 最新**官方**阶段（proxy2 的 Qiu E9.0 只被忽略，不进入输出）。用 `src.task1_temporal.reweight.heart_reweight`（run2 优胜配方 heart_jcf_peri 的移植）按解剖族重加权类型比例后分层有放回抽样：+   - 心脏族（CM 各区、Endothelium/Endocardium/BEC、aSHF/pSHF/aPHM/pPHM、JCF、Pericardium、Proepicardium）×1.6；+   - 边缘族（Surface Ectoderm、EXEM、Paraxial Mesoderm）×0.25；+   - Neural Tube 丢弃（E9.5 心脏解剖取样中缺席）；+   - 其余 ×1.0。最大余数法分配整数配额。+2. **无官方输入时**（外部测试题 X3，manifest `mode=="test"`）：基座 = 最新输入；若有 ≥2 个输入且细胞类型词表重叠 ≥2，做**对数比例趋势外推**：+   `log f_target = log f_last + GAMMA * s * (log f_last - log f_first)`，`s = (t_target - t_last)/(t_last - t_first)`，GAMMA=-1.2（环境变量可调）。X3 上 s=2，GAMMA<0 意味着把组成往**更早**方向回拨——实测 E8.75→E9.0 的类型比例变化与 E9.0→E9.5 的真值变化反相关（正向外推 GAMMA=+0.5 得 44.9，回拨 GAMMA=-1.2 得 54.6），与节点 4 的"delta 外推与真值反相关"结论一致。+3. 输出细胞数 N_CELLS=3000（不超过可用细胞数，落在 min/max 内）。++## 生物学依据（非禁窗测量）++E8.5→E9.5 全胚到心脏解剖的取样变化是已发表的通用观察：神经管/轴旁中胚/extraembryonic 在心脏 dissect 中占比下降、心脏中胚层上升（Pijuan-Sala 2019 图谱的取样描述、方法卡 §"平移幅度"）。族权重本身来自 modeling 快照 `reweight.py`（run2 在允许数据上调好的配方），不是我从禁窗测量算出的。X3 的反向外推是从该题**输入**（窗外 E8.75/E9.0）现场估计的，不含禁窗信息。++## 已验证（vec-score，A 半）++- proxy：n 扫描 1000/1500/2000/2500/3000/4000/5118 → 55.2/55.4/56.5/55.5/56.3/56.2/55.4；2000–4000 平台内为噪声（±0.5），取 3000 = **56.26**。+- proxy2（同代码，忽略 Qiu E9.0）：**56.26**（与 proxy 逐字节同预测）。+- X3：GAMMA 扫描 +0.5/+1.0/0/-0.6/-0.9/-1.2/-2.0 → 44.9/–/47.7/53.6/54.2/**54.6**/54.3；n=1500 vs 2174 无差。取 GAMMA=-1.2、n=2174。+- heart_weight=2.2/edge=0.15 在 proxy 上更差（54.4），保持库默认 1.6/0.25。+- 三个视图 `vec-check` 通过；同 seed 确定性（无全局随机态）。++## 未验证 / 风险++- final 视图（官方 E8.5+E9.5 两输入）：代码走 heart_reweight(E9.5) 路径，HEART_TYPES 含 E9.5 名字，应可运行，但**没有 final 可测**；两官方阶段的组成趋势外推在官方路径上被关闭（proxy 无法验证其收益，节点 7 显示它中性）。+- GAMMA=-1.2 是在 X3 A 半上选的，-0.9～-2.0 之间差 <0.5 分（噪声内）；B 半可能略偏。+- n_cells 平台 2000–4000 内选择不敏感。+- de_recovery 组最弱（~53）：纯组成方法不产生新的表达状态，上限受限于输入云的细胞状态。++## 复现++`python run.py --data <view> --out <pred> --seed <s>`；环境变量 `GAMMA`（默认 -1.2）、`N_CELLS`（默认 3000）。无训练、无权重文件（无 ARTIFACTS.json）。运行 3–6 秒，内存 <8 GB。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..4556f82--- /dev/null+++ b/solution/run.py@@ -0,0 +1,108 @@+"""T1 draft: composition-only prediction.++- Official inputs present (proxy / proxy2 / final): base = latest OFFICIAL+  stage; resample real cells with anatomical family reweighting+  (heart lineage up, extra-embryonic / surface ectoderm / paraxial down,+  neural tube dropped) -- the E8.5->E9.5 gap is mostly dissection, not+  expression, so expression values are never modified.+- No official input (external test views like X3): base = latest input;+  if >=2 inputs share the cell-type vocabulary, extrapolate the composition+  trend between them toward the target time (log-fraction space, damped by+  GAMMA), expression unchanged.++Deterministic under --seed.+"""+from __future__ import annotations++import argparse+import json+import os++import numpy as np+from scipy import sparse++from src.task1_temporal import view_io+from src.task1_temporal.reweight import heart_reweight, largest_remainder, take++GAMMA = float(os.environ.get("GAMMA", "-1.2"))+N_CELLS = int(os.environ.get("N_CELLS", "3000"))+++def trend_alloc(labels_first, t_first, labels_last, t_last, types, t_target, n_cells):+    """Per-type quotas by damped log-fraction extrapolation of the trend."""+    eps = 0.5 / max(len(labels_first), 1)+    f0 = np.array([(labels_first == t).mean() + eps for t in types])+    f1 = np.array([(labels_last == t).mean() + eps for t in types])+    f0 /= f0.sum()+    f1 /= f1.sum()+    dt = t_last - t_first+    s = (t_target - t_last) / dt if dt > 0 else 0.0+    logf = np.log(f1) + GAMMA * s * (np.log(f1) - np.log(f0))+    f = np.exp(logf)+    f /= f.sum()+    return largest_remainder(f, n_cells)+++def main():+    ap = argparse.ArgumentParser()+    ap.add_argument("--data", required=True)+    ap.add_argument("--out", required=True)+    ap.add_argument("--seed", type=int, default=0)+    args = ap.parse_args()++    view = args.data+    man = json.load(open(os.path.join(view, "manifest.json")))+    genes = view_io.panel_genes(view, man)++    all_inputs = view_io.inputs_by_time(man)+    if man.get("mode") == "test":+        official = []  # external test view: no official stage among inputs+    else:+        official = view_io.inputs_by_time(man, include_external=False)++    if official:+        entry = official[-1]+        ad = view_io.read_stage(view, entry, genes)+        labels = view_io.labels_of(ad)+        n = view_io.target_n_cells(man, min(ad.n_obs, N_CELLS))+        X = heart_reweight(ad.X, labels, n_cells=n, seed=args.seed)+    else:+        entry = all_inputs[-1]+        ad = view_io.read_stage(view, entry, genes)+        labels = view_io.labels_of(ad)+        n = view_io.target_n_cells(man, min(ad.n_obs, N_CELLS))+        types = [str(t) for t in np.unique(labels)]+        alloc = None+        if len(all_inputs) >= 2:+            prev = all_inputs[-2]+            try:+                ad0 = view_io.read_stage(view, prev, genes)+                lab0 = view_io.labels_of(ad0)+                shared = set(np.unique(lab0).astype(str)) & set(types)+                if len(shared) >= 2:+                    types = sorted(shared)+                    alloc = trend_alloc(+                        lab0, float(prev["time"]), labels, float(entry["time"]),+                        types, float(man["target"]["time"]), n,+                    )+            except Exception:+                alloc = None+        if alloc is None:+            counts = np.array([(labels == t).sum() for t in types], dtype=float)+            alloc = largest_remainder(counts, n)+        rng = np.random.default_rng(args.seed)+        blocks = []+        for t, k in zip(types, alloc):+            if k <= 0:+                continue+            blocks.append(take(ad.X, np.flatnonzero(labels == t), int(k), rng))+        X = sparse.vstack(blocks, format="csr").astype(np.float32)+        X.eliminate_zeros()++    view_io.write_prediction(X, genes, args.out, seed=args.seed)+    print(json.dumps({"base": entry.get("stage"), "n_cells": int(X.shape[0]),+                      "official": bool(official), "gamma": GAMMA}))+++if __name__ == "__main__":+    main()

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。draft 节点 9 交付内容：

**做了什么**：纯组成方法——官方视图（proxy/proxy2/final）用最新官方阶段 + `heart_reweight`（心脏族×1.6、边缘族×0.25、Neural Tube 丢弃）分层重采样 n=3000；外部测试题（X3，无官方输入）用两输入的对数比例**反向**趋势外推（GAMMA=-1.2）分配配额。表达值从不修改，proxy2 的 Qiu E9.0 不进入输出。

**查分**（A 半，共用 17/20 次）：proxy **56.26**、proxy2 **56.26**、X3 **54.58**（n 扫描确认 2000–4000 平台；GAMMA 扫描 +0.5→44.9 / 0→47.7 / -0.6→53.6 / **-1.2→54.6** / -2.0→54.3；heart_weight=2.2 更差已弃）。三视图 vec-check 通过，同 seed 输出与已查分文件逐字节一致。估计节点分 ≈55.7，高于当前最佳 54.54。

**下一步最值得试**：① de_recovery（~53）是短板——在不改计数空间总量的前提下对心脏族细胞做轻微的、方向由输入趋势约束的表达微调；② final 视图上组合两官方阶段的组成趋势外推与 heart_reweight（本地无法验证，需用 final 分数信号）；③ X3 的 GAMMA 在 -0.9～-2.0 间是噪声平台，B 半可能略偏，improve 节点可用多种子确认。

调研员

{"name":"T1-01 组成重加权基线：类型族关键词匹配+可调配重+限幅分层抽样","motivation":"T1-01 方向种子 heart_jcf_peri 在 proxy 上达 55.97，高于当前最佳节点 7 的 55.47；节点 6（纯重加权，proxy 55.61）与节点 7（重加权+GAMMA，proxy 55.47）接近，说明纯重加权仍有空间。四组中 de_recovery 最弱（节点 7 仅 53.02），组成正确性直接影响 DE 恢复。需要一个干净、可泛化到 final（E9.5 类型名不同）的 T1-01 基线。","approach":"1. 读取输入：view_io.inputs_by_time()，取最新官方阶段（无官方时回退外部）。单输入退路：直接用唯一输入，同一逻辑。\n2. 类型族分类（关键词匹配，不硬编码具体阶段名）：\n   - 心脏族：匹配 'cardio','heart','V-CM','Endocardium','BEC','aPHM','pPHM','Proepicardium','myocard','SHF','FHF','cardiac'（不区分大小写）\n   - 边缘族：匹配 'Surface Ectoderm','EXEM','Paraxial','surface ectoderm'\n   - 神经管族：匹配 'Neural Tube','neural tube'\n   - 其余：默认族，权重 1.0\n3. 族权重（环境变量可调）：HEART_W=1.6, MARGINAL_W=0.25, NT_W=0（丢弃）。搜索范围：HEART_W∈{1.0,1.3,1.6,2.0}，MARGINAL_W∈{0.1,0.25,0.5}。\n4. 每个细胞的抽样权重 = 族权重 × (1/族内细胞数) 保证族内均匀；族总权重归一化后乘以族细胞数得各型配额。\n5. 最大余数法（largest remainder）将配额转为整数，禁止单细胞被抽超过 2 次（MAX_REPEAT=2），以保留表达多样性、保护 covariation。\n6. 输出：按配额从各型有放回抽样，表达值原样保留，不做任何修饰（节点 4 已证明计数空间乘法修正有害）。\n7. proxy2 处理：inputs_by_time 返回两个输入时，仅用官方阶段作输出基座；Qiu E9.0 心脏细胞不进入输出。\n8. vec-score 筛选：先跑 proxy，若 <53 则扫 HEART_W×MARGINAL_W 网格（≤8 组合，每组 1 次查分）；确认最佳后跑 proxy2 和 X3。","expected_groups":["cell_state","direction","de_recovery"],"risks":"1. 关键词匹配可能漏掉 final 阶段的某个心脏亚型（如新出现的名称），导致该类落入默认族（权重 1.0）而非心脏族（1.6）。Engineer 应打印分类结果日志，确认无 'unclassified' 高占比。\n2. MAX_REPEAT=2 在极端权重下可能导致某些小族细胞数不足配额，需回退到 1×。Engineer 应检查输出细胞总数是否接近预期。\n3. 分数噪声约 2 分，HEART_W 的 0.3 步长调参可能落在噪声内；若两次查分差 <2 分视为等价，不再细调。\n4. 与节点 6/7 高度同源，若实现等价则分数趋同（~53-55）；差异化在于限幅抽样和泛化分类逻辑。","sources":[]}

审查员

REVIEW.json written