总览 · ← 返回运行 20261002-135403-search-t1-x3-era-mechcheck

节点 n18

保持父节点均匀乘法位移 alpha=0.4（保稀疏、单输入退路 copy_last）；按 PLAN 实测加法 nnz-only + EB 收缩 + Top-K 与分层 alpha 乘法型共 7 个变体，均不优于它，代码回退为与父节点逐元素一致。

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 0634649f0b: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 54efee26b2。改动的文件：solution/METHOD.md +37 −47

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 7b7b86b..9e88402 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,50 +1,40 @@-保守 per-type 线性空间缩放位移（alpha=0.4，保稀疏），单输入退路 copy_last。--## 方法--- 读取全部输入阶段（`inputs_by_time`）。≥2 个阶段时取最后两个 prev、last；-  对同时出现在两阶段的每个细胞类型 c，计算 log1p 空间伪批量差-  `delta_c = mean(last|c) - mean(prev|c)`。-- 从 last 阶段按 `[min_cells, max_cells]` 随机抽样（`sample_rows`），对抽到的-  每个类型为 c 的细胞做**线性空间乘法缩放**：-  `x' = clip((1+x) * exp(alpha * delta_c) - 1, 0)`，只作用于稀疏矩阵的已存非零-  元，稀疏结构完全保留。alpha=0.4（常数超参，不依赖视图/绝对时间）。-- 仅在 last 出现的类型不位移；单输入阶段（proxy 情形）自动退化为 copy_last。-- 输出细胞数由 `target_n_cells` 决定，seed 确定性（`np.random.default_rng(seed)`）。--## 为什么乘法缩放而不是加法位移--X3 实测（A 半）：加法位移+硬裁剪（节点 2 风格，alpha=0.2）把行致密化后-covariation 崩到 30.5（板分 43.9）；乘法缩放只改非零元数值、不动稀疏结构，-alpha=0.5 时 covariation 47.4、de_recovery 48.2。--## 关键参数与扫参结果（X3 A 半，seed 0）--| 方案 | 板分 | de_recovery | covariation | cell_state |-|---|---|---|---|---|-| copy_last（父节点 1） | 47.92 | 44.09 | 48.44 | 49.68 |-| mult alpha=0.3 | 48.23 | 47.32 | 47.92 | 48.57 |-| mult alpha=0.4 | 48.29 | 48.18 | 47.70 | 48.20 |-| mult alpha=0.5 | 48.12 | 48.18 | 47.42 | 47.80 |-| mult alpha=1.0 | 46.69 | 46.90 | 45.41 | 45.52 |-| add alpha=0.2（致密化） | 43.92 | 44.17 | 30.52 | 48.58 |-| topk 500/2000 基因过滤 alpha=1 | 47.43/46.84 | 46.9 | 46.8/45.9 | — |-| 比例外推 comp=1.0 | 44.96 | 42.74 | 45.57 | 44.30 |--alpha=0.4 三种子（0/1/2）：48.29 / 48.59 / 48.83，均值 48.57。-相对父节点的提升（~0.1–0.6）小于噪声（~2），但方向在 3 个种子上均为非负，-且 de_recovery（父节点最弱组）从 44.09 升到 48.18。--## 验证过什么 / 没验证什么--- 验证：X3 视图 seed 0/1/2 可复现、`vec-check` 通过、输出与扫参版本逐元素一致。-- 验证（负结果）：加法致密化位移、topk 基因过滤、细胞比例外推均不优于温和乘法位移。-- 未验证：final 视图（E8.5+E9.5→E10.5，间隔 1 天而非 0.25 天）上 alpha=0.4-  是否仍合适；单输入退路只做了代码路径审查，未在 proxy 视图实跑。-- alpha 不随时间差缩放是有意保守选择：X3 上 alpha≥0.7 单调变差，而 final 的-  时间差是 X3 的 4 倍，若按时间差放大风险大。+保持父节点均匀乘法位移 alpha=0.4（保稀疏、单输入退路 copy_last）；按 PLAN 实测加法 nnz-only + EB 收缩 + Top-K 与分层 alpha 乘法型共 7 个变体，均不优于它，代码回退为与父节点逐元素一致。++## 方法（与父节点 3 相同）++- 取最后两个输入阶段 prev、last；对两阶段共有的每个 celltype c，在 log1p 空间算伪批量差 `delta_c = mean(last|c) - mean(prev|c)`。+- 从 last 按 `target_n_cells` 抽样（seed 确定），对每个类型为 c 的细胞的**已存非零元**做线性空间乘法缩放 `x' = clip((1+x)*exp(0.4*delta_c) - 1, 0)`，稀疏结构完全不动。+- <2 个输入阶段或无共有类型时退化为 copy_last。不使用绝对时间、视图路径、外部数据、prior/；无 GPU（EXECUTION.json gpu=false）。++## 本节点实测（X3 A 半，seed 0，vec-score）++按 PLAN 检验“node 5 机制迁移”：加法 nnz-only 位移 `x'=max(x+alpha*d_g,0)`，d_g 可选 EB 收缩 `w=δ²/(δ²+se²)`（se² 由两阶段该类型的均值/方差/细胞数现场计算）与按 |d| 的 per-type Top-K。++| 配置 | 板分 | de_recovery | covariation | cell_state | direction |+|---|---|---|---|---|---|+| 父：乘法 alpha=0.4（回退后复现） | **48.2884** | 48.18 | 47.70 | 48.20 | 48.97 |+| 加法 EB+K500 alpha=0.5 | 47.98 | 44.92 | 48.48 | 49.27 | 49.11 |+| 加法 EB+K500 alpha=0.5×时间比(=2.0) | 47.97 | 45.30 | 48.39 | 48.96 | 49.13 |+| 加法 EB+K1000 alpha=0.5 | 47.86 | 44.54 | 48.43 | 49.22 | 49.10 |+| 加法 EB+K500 alpha=0.3 | 47.92 | 44.54 | 48.52 | 49.37 | 49.10 |+| 加法 EB、全基因 alpha=0.5 | 47.78 | 44.54 | 48.20 | 49.16 | 49.03 |+| 加法无 EB、全基因 alpha=1.0 | 48.1073 | 46.90 | 47.80 | 48.60 | 48.96 |+| 加法无 EB、K500 alpha=1.0 | 48.06 | 45.69 | 48.41 | 48.90 | 49.16 |+| 乘法分层 alpha_g（\|δ\|≤q90: 0.5，>q90: 0.15） | 47.92 | 45.30 | 48.11 | 49.09 | 48.98 |++## 结论与已验证事实++1. **机制迁移失败（PLAN 风险 1 成立）**：加法+EB+TopK 在本分支的 delta 计算下 de_recovery 只有 44.5–45.3，远低于 PLAN 门槛 48；covariation/cell_state 略升但板分全面低于父节点。node 5 的 A 半 49.55 无法用「加法 nnz-only + EB(w=δ²/(δ²+se²)) + Top-K + 时间比」这套组合复现，其收益必来自本分支没有的其他部件。+2. **校准点**：加法无 EB 全基因 alpha=1.0 得 48.1073，与 node 4/16 的记录逐位吻合，证明本节点 delta/抽样实现与加法分支一致，上表差异全部来自机制本身而非实现偏差。+3. EB 收缩在加法核上反而削弱 de_recovery（44.5 vs 无 EB 46.9）：X3 每类型细胞数少、se 大，w 把多数基因的位移压没了。+4. 父节点建议的分层 alpha_g（极端 |δ| 基因降权）在乘法核上无效：de_recovery 48.18→45.30，板分 -0.37。+5. 回退后的 run.py 在 X3 seed 0 复现 48.2884（与父 METHOD 表 48.29 完全一致），vec-check ok，运行 1.6s / 峰值内存 <0.5GB。++## 未验证++- 分层 alpha 的其他分位/权值组合（只试一点）；加法核上更弱的 EB（如 node 9 的 0.5·se²）；用 external/ Qiu E8.75/E9.0 与视图内阶段合并平均降 delta 噪声（X3 输入本身就是 Qiu 数据，预期无增益，未试）。+- 所有结论基于 X3 A 半单次查分（差距 <2 分者在噪声内），只有「加法族全面低于父 ≥0.18 且 de_recovery 低 3–4 分」这一条超出噪声。  ## 知识来源 -无外部生物知识；方法只使用视图内两个输入阶段的表达与 `celltype` 标签现场计算-差值，未硬编码任何阶段统计量。外部数据（`external/`）与 `prior/` 未使用。+未使用任何阶段特异生物学先验；只用了「相邻阶段同类型细胞的伪批量差可作位移方向」这一通用假设。

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 把 node 5 的「加法 nnz-only + EB 收缩 + Top-K」机制迁移到 node 3 分支，实测 7 个变体（EB×{K500,K1000,全基因}×α{0.3,0.5,0.5×时间比,1.0}、无 EB α=1.0、乘法分层 α_g），全部低于父节点乘法 α=0.4；校准点（无 EB 加法 α=1.0 = 48.1073）与 node 4/16 记录逐位吻合，证明迁移失败是机制而非实现问题。代码回退为父配置，X3 seed 0 复现 48.2884（与父记录 48.29 一致），vec-check ok、确定性验证通过，METHOD.md 记录全部负结果。

**查分**：9 次（余 11）。最高为父配置 48.2884；加法族 47.78–48.11；分层乘法 47.92。

**下一步最值得试**：node 5 的 A 半 49.55 无法被这套组合复现，其收益来自未知部件（可能是 delta 的伪批量口径、抽样细胞组成或 reweight 模块）——最有价值的方向是设法拿到 node 5/8/11/14 分支的实际代码或 METHOD 全文做逐部件消融，而不是继续在 3/4 分支上做机制排列组合；此外可试 external/ 数据与视图内阶段合并平均 delta（降噪）+ 乘法 α=0.4。

调研员

  "approach": "Step 1 – delta (unchanged from node 3): for each shared celltype c between the last two input stages, delta_c = mean_log1p(last|c) - mean_log1p(prev|c). Step 2 – per-gene SE: for each gene g and type c, se_g = sqrt(var_last_g/n_last_c + var_prev_g/n_prev_c) computed from the same two stage matrices. Step 3 – EB shrinkage weight: w_g = delta_g^2 / (delta_g^2 + se_g^2); effective displacement d_g = w_g * delta_g. Step 4 – top-K selection: per type, keep only the K genes with largest |d_g|; zero out the rest. Initial K=500 (node 5's value); scan K∈{500,1000,2000}. Step 5 – additive nnz-only shift: for each sampled cell of type c, for each gene g in the kept set where x[g]>0: x'[g] = max(x[g] + alpha*d_g, 0). Do NOT touch zero entries (sparsity preserved). alpha=0.5 initial (node 5's value); scan alpha∈{0.3,0.5,0.7}. Step 6 – single-input fallback: if len(inputs)<2 or no shared types, pure copy_last. Step 7 – quick screen: run X3 seed 0 with (K=500,alpha=0.5); require covariation≥48.5 AND de_recovery≥48 to proceed; if covariation≥49 and de_recovery≥48, try K=1000. Run seeds 0,1,2 for the best config; only accept if 3-seed mean exceeds parent 48.74 by >2. No time-ratio scaling (keep node 3's conservative stance). No external data or prior/ gene sets.",
  "expected_groups": ["covariation", "cell_state"],
  "risks": "1) The additive+EB+topK combo may interact differently with node 3's exact delta computation vs node 5's (node 5 includes a time-ratio scale factor); Engineer should compare delta vectors in logs. Detect early: if seed-0 covariation < 48.0, the mechanism transfer failed—fall back to parent code. 2) top-K=500 may be too aggressive for X3's gene panel; if de_recovery drops below 47, increase K to 1000/2000. 3) 30-min budget is tight: implement the core change first (≈10 min), run one vec-score, then sweep; do NOT attempt all 9 combos—use a 3-point grid (K,alpha) = {(500,0.5),(1000,0.5),(500,0.3)} and pick the best before running seeds 1,2."
}
```