节点 n25

1. 在保留 dropout 稀疏结构前提下，用独立随机位置点亮零元来'放松 dropout'，注入的是无共表达结构的伯努利噪声：X3 seed0 板分 48.60→46.54、covariation -4.65、四组全面回退远超 ~2 分噪声——稀疏结构层面的均匀随机 dropout 放松是死路。
2. 协方差主要由 0/非0 共表达结构贡献，任何不携带细胞状态信息的稀疏模式扰动会直接稀释基因间相关；若要用检出率信息，点亮位置必须与细胞状态相关（如按细胞在 delta 方向投影的秩选择点亮哪些细胞），而非均匀随机。
3. 本节点验证了 PLAN 预设的筛选流程价值：先在 X3 A 半单 seed 用 vec-score 对比父基线，负结果即刻回退父代码提交，避免把额度浪费在扫 FRAC_ALPHA 上，且回退后板分与父逐位一致（48.90，四组 +0.00），零损失。

1. 针对 covariation：放弃乘法位移族的数值微调与随机稀疏扰动，改做 alpha 消融定位（alpha=0.2/0.3，对照 node1 copy_last 的 covariation 48.44），确认位移幅度与协方差损失的剂量关系。
2. 针对全局板分：直接组合树内最佳分支——node 17/22 的 Top-K EB（covariation 可达 49.76）加每细胞进度调制（rank3 49.40），在 X3 3 seed 配对验证差距 >2 分再提交。
3. 若仍想利用检出率趋势（针对 covariation/cell_state）：把点亮位置改为按细胞在 delta 方向投影的秩确定性选择（前 q 分位细胞点亮），且点亮值取低分位（25 分位）而非均值，先单 seed 筛后再决定是否扫参。

ANALYSIS.json written

做了什么：按 PLAN 在父节点 21 代码上叠加"检出率外推的 dropout 放松"（两输入阶段算每型每基因 f_prev/f_last，外推 f_target，对该型输出细胞的零元随机点亮，点亮值取 last 阶段非零均值；FRAC_ALPHA=0.5, MIN_CELLS=10, MIN_DF=0.02, 单次变化 ≤0.15），单输入阶段仍退化 copy_last。

查分结果：X3 A 半 seed 0 → 板分 46.54（父提交版同 seed 48.60），covariation 42.93（父 47.58，-4.65）、cell_state 46.95、de_recovery 46.90、direction 48.59，四组全面回退且远超噪声。原因是点亮位置独立随机，注入无共表达结构的伯努利噪声，直接稀释基因间相关——主攻的 covariation 反而最受伤。已回退为与父节点 21 逐位一致（`vec-check` 通过，seed 0 输出复现），METHOD.md 记录负结果。

下一步最值得试：稀疏结构这条路只在"点亮位置与细胞状态相关"时才有希望（例如按细胞在 delta 方向投影的秩决定点亮哪些细胞，而非均匀随机），但收益上限存疑；更值得的是回到 copy_last/小 alpha 一侧做协方差消融定位（alpha=0.2/0.3），以及直接组合树内最佳的 node 17/22 分支（Top-K EB + 进度调制，rank3 49.40），而不是继续在乘法位移上做数值微调。

树所有位移节点（3/6=47.54、4/7=47.62-47.74、21/22=47.40-47.42）都把该组压到 copy_last 之下——位移本身在破坏基因间协方差。ANALYSIS 明确指出：改 delta 估计的数值微调已连续 7 个节点（6/10/12/13/15/18/19）无效，剩余额度应转向'稀疏结构/非零元数量或 dropout 模式'这一正交杠杆。佐证可恢复性：node5（Top-K EB 家族）covariation 达 49.76，说明该组并非天然封顶在 47.5。全树现有节点全部'保留 dropout 稀疏结构'（node4 即以此为卖点），从未改动过检出/稀疏模式——按 delta 外推基因检出率、主动放松 dropout 是未试过的机制。协方差在 scRNA-seq 里很大程度由 0/非0 的共表达结构贡献，冻结 E8.5 的 dropout 模式就会给出 E8.5 样的协方差；把检出模式推向下一阶段应直接抬协方差，且对上调基因点亮 0 元还能顺带帮助 cell_state 与 de_recovery。",
 "approach": "在 node21 代码（乘法位移+进度调制）原样保留、仅对已存非零元做位移的基础上，新增'检出率外推的 dropout 放松'，纯叠加、可一键回退为父代码：(1) 与父相同取最后两个输入阶段，对共有 celltype 在 log1p 空间算伪批量差 delta_c 与父的进度调制位移（不动）。(2) 新增每型每基因检出率：f_prev=prev 阶段该型该基因非0细胞占比，f_last=last 阶段占比（稀疏矩阵按型 (X>0).sum(0)/n 一次算出，O(nnz)，不稠密化）。(3) 外推目标检出率 f_target=clip(f_last+FRAC_ALPHA*(f_last-f_prev),0,1)，FRAC_ALPHA 初值 0.5、扫描 {0.3,0.5,0.8,1.0}；为稳健，仅处理 last 阶段该型非0细胞数≥MIN_CELLS(=10) 且 |f_last-f_prev|≥0.02 的基因，并把单次检出率变化截在 |f_target-f_last|≤0.15。(4) 对 f_target>f_last 的上调基因，在该型输出细胞里按差额随机点亮 (f_target-f_last)*n_cells 个当前为 0 的条目（用 sample_rows 的同一 rng 派生子流，保证可复现），点亮值取该型该基因 last 阶段非0中位数×exp(alpha*delta_cg)（保守消融可改用 25 分位）；对 f_target<f_last 的下调基因做对称'熄灭'（把最小的若干非0元置 0），实现上先只做点亮、熄灭作为二期可选。新增/删除用 COO 三元组一次性与 X 相加后 eliminate_zeros，避免逐元插入。(5) 单输入阶段（无两阶段可算检出率趋势）退化为 copy_last，与父一致；final 视图 E8.5→E9.5 同法用两输入阶段估计趋势，只操作面板内基因，无需补缺失基因。筛选：先做一次诊断——统计两输入阶段间各型 |Δf| 的中位数，若≈0 说明无信号，立即放弃本杠杆、回退父代码并改做 ANALYSIS 建议的 alpha 0.2/0.3 消融；否则 seed0 在 X3 A 半用 vec-score 对比'父基线'与'+dropout'：要求 covariation≥父+1 且 de_recovery≤父-1 且板分不降，才继续扫 FRAC_ALPHA 与点亮值（中位 vs 25 分位），最后 3 seed 配对裁决（差距>~2 分噪声才算进步）。",
 "expected_groups": ["covariation", "cell_state"],
 "risks": "(1) X3 两输入阶段的检出率趋势可能很弱或反向，导致无增益甚至负增益——Engineer 必须先跑第 (5) 步前的诊断（中位 |Δf|），接近 0 就尽早放弃，别把额度耗在扫参上。(2) 改变非零元数量/dropout 可能连带影响其它三组（尤其 de_recovery 若点亮值过高）——用低分位点亮值+小幅 FRAC_ALPHA，且消融时同时看四组而非只看 covariation；本改动纯叠加于父代码，任何回退都能逐位恢复 node21。(3) 稀疏矩阵增删元实现繁琐、易错且可能变慢——先只做'点亮'、按型批量 COO 相加，先小样本验证逐元素正确性与耗时（父仅 1.9s，预算充足）。(4) 提升幅度很可能仍在 ~2 分噪声内——务必 3 seed 配对确认，单 seed 的小幅领先不作数。",
 "sources": []}
```

REVIEW.json written