总览 · ← 返回运行 20261002-202907-search-t1-scr-A

节点 n20

实现按型置信度收缩（c_t=n/(n+κ) 向全局位移收缩）与 SE 裁剪两个机制；X3 实测两者均单调降低总分与 direction，任何对型级位移幅度的衰减都有害，提交默认=父配置（逐位相同），阴性结果如实报告。

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 ec35d4c3d8: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 adb0c874d7。改动的文件：solution/METHOD.md +38 −26、solution/run.py +33 −2

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3c60275..a95b05f 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,39 +1,51 @@-解耦 blend 为垂直收缩(m_perp)与方差校正(m_var)两独立权重并扫描 9+4 组；实测 m_perp=0.3 仍是峰（提高 m_perp 用 cell_state 换 covariation，净负），提交默认=父节点配置（逐位相同），阴性结果如实报告。+实现按型置信度收缩（c_t=n/(n+κ) 向全局位移收缩）与 SE 裁剪两个机制；X3 实测两者均单调降低总分与 direction，任何对型级位移幅度的衰减都有害，提交默认=父配置（逐位相同），阴性结果如实报告。 -## 方法（family: lowrank_shape；提交配置 = node 17 默认，β=4, m_perp=m_var=0.3）+## 方法（family: lowrank_shape；提交配置 = node 17/19 默认，β=4, m_perp=m_var=0.3, α=1.8） -上游与 node 17 完全一致（2500 HVG、25 PC svds(v0=ones)、α=1.8、τ=0.3、τ_shape=0.5、RLO=1、mc=10、iso-add 形状解码 β=4、非零掩码解码、单输入退路 copy_last）。blend 后处理块由 PLAN 重写为两阶段解耦形式：+上游与父节点完全一致（2500 HVG、25 PC svds(v0=ones)、α=1.8、τ=0.3、τ_shape=0.5、iso-add β=4、非零掩码解码、blend 两阶段 m_perp=m_var=0.3、单输入退路 copy_last）。按 PLAN 新增按型置信度加权块（默认关闭）： -1. **垂直收缩（去噪）**：`e_perp = xp − mean_h − zp@Vt`（PC 子空间外残差），`x_denoised = xp − m_perp·e_perp`；-2. **方差校正**：`x_out = x_denoised + ((zp_new − zp)·m_var_vec) @ Vt`，其中 zp_new 是型内 PC 残差按 (1+c_k)²·var_obs/var_pred 向目标方差缩放后的分数。+1. **shrink**：对每个匹配型 t，`c_t = n_t/(n_t+CONF_KAPPA)`，`n_t = min(n_prev_t, n_last_t)`；有效位移 `dt_pc_eff = c_t·dt_pc_t + (1−c_t)·delta_global`（向全型全局位移收缩）。+2. **clip**：`se = sqrt(var_prev/n_prev + var_last/n_last)`（逐 PC 两样本标准误，比 PLAN 单式 `sqrt(var/n_t)` 更准，已在代码注释说明）；`dt_pc` 分量裁剪到 `±CONF_MAXSHIFT·se`。+3. **both**：先 shrink 再 clip。环境变量：`CONF_MODE`（默认 off）、`CONF_KAPPA`（默认 0）、`CONF_MAXSHIFT`（默认 3.0）、`CONF_DEBUG`。 -新增开关：`BLEND_M_PERP`（默认 = BLEND_M×decay^k）、`BLEND_M_VAR`（默认 = BLEND_M）。**等价性验证**：m_perp=m_var=m、decay=1 时新公式与父节点 `(1−m)·xp + m·(zp_new@Vt+mean_h)` 输出 maxdiff=0.0（seed0，652×32285，nnz 相同）。原 BLEND_DECAY/BLEND_PERP 语义保留。+## 关闭对照（PLAN mechanism_off_control） -## X3 A 半查分记录（seed0；父 node 17 = 62.06 / s1 61.25；额度用 19/20）+`CONF_MODE=off`（默认）与 `CONF_MODE=shrink CONF_KAPPA=0`（c_t≡1）两种关闭方式的输出均与父节点提交版 `maxdiff=0.0`（seed0，652×32285，nnz=1277802 相同）。提交默认=off，即正式分预期逐位复现父节点 63.21。 -| 配置 (m_perp, m_var, β) | 总分 | cell_state | covar | de_rec | dir | 结论 |+## 机制生效证据（CONF_DEBUG，κ=30）++| type | n_prev | n_last | c_t | ‖shift‖raw | ‖shift‖eff | ratio |+|---|---|---|---|---|---|---|+| AVC-CM | 18 | 128 | 0.375 | 40.61 | 15.26 | 0.376 |+| IFT-CM | 133 | 489 | 0.816 | 18.00 | 15.27 | 0.848 |+| OFT/RV-CM | 327 | 391 | 0.916 | 13.69 | 12.85 | 0.938 |+| SV-CM | 238 | 176 | 0.854 | 34.41 | 29.67 | 0.862 |+| Unknown | 377 | 437 | 0.926 | 10.53 | 9.96 | 0.946 |+| aSHF | 7 | 33 | 0.189 | 18.01 | 8.10 | 0.450 |++小样本型（AVC-CM、aSHF）被显著收缩（ratio 0.38/0.45），大样本型基本保留（0.94）——机制确实在按置信度差异化地改变位移，不是空转。clip maxshift=2 时各型保留 25–76%。++## X3 A 半查分记录（seed0；父=62.06；额度用 4/20）++| 配置 | 总分 | cell_state | covar | de_rec | direction | 结论 | |---|---|---|---|---|---|---|-| (0.3, 0.3, 4)（=父，提交） | **62.06** | 85.97 | 52.23 | 52.47 | 50.82 | 基线 |-| (0.3, 0.2, 4) | 62.00 | 85.67 | 52.35 | 52.47 | 50.84 | m_var↓ 微负 |-| (0.3, 0.4, 4) | 61.97 | 86.19 | 52.12 | 51.96 | 50.81 | m_var↑ 微负 |-| (0.4, 0.2/0.3/0.4, 4) | 61.68/61.79/61.87 | 83.8–84.5 | 54.3–54.5 | 51.96 | 50.68 | covar +2.2 但 cell_state −1.8，净负 |-| (0.5, 0.2/0.3/0.4, 4) | 60.73/60.89/61.01 | 79.7–80.7 | 55.9–56.0 | 51.96 | 50.5 | covar +3.8 但 cell_state −5.7，净负（PLAN 风险1应验） |-| (0.4, 0.3, β=6) | 61.69 | 84.89 | 53.30 | 51.46 | 50.80 | 用更大 β 补 cell_state 失败 |-| (0.5, 0.3, β=8) | 59.72 | 78.90 | 54.32 | 50.00 | 50.74 | 进一步崩塌 |-| (0.3, 0.3, β=4.5) | 62.14 | 86.47 | 51.92 | 52.47 | 50.81 | +0.08，远低于 2 分噪声，不采用 |-| (0.3, 0.3, β=5.0) | 61.96 | 86.47 | 51.60 | 51.96 | 50.83 | 负 |-| **关闭对照 (0, 0, β=4)** | 57.73 | 77.50 | 44.87 | 51.96 | 50.06 | 见下 |+| 父（=提交默认） | **62.06** | 85.97 | 52.23 | 52.47 | 50.82 | 基线 |+| shrink κ=10 | 61.69 | 85.31 | 52.10 | 51.96 | 50.74 | −0.37 |+| shrink κ=30 | 60.97 | 84.32 | 51.96 | 50.48 | 50.63 | −1.09，随 κ 单调恶化 |+| clip ms=3 | 60.92 | 85.55 | 52.81 | 48.18 | 50.59 | de_recovery 崩 |+| clip ms=2 | 60.24 | 84.77 | 52.79 | 46.49 | 50.53 | 更崩 | -**结论（阴性）**：PLAN 假设"垂直收缩可独立加强而不受方差校正约束"在 X3 上不成立——m_perp 从 0.3 提到 0.4/0.5 时 covariation 确实单调上升（52.2→54.4→56.0），但 cell_state 下降更快（86.0→84.2→80.3），总分单调下降；提高 β 也无法补偿（β 与 m_perp 的交互在 m_perp>0.3 时是负的，与 node 17 在 m=0.3 处的正交互不同）。m_var 在 0.2–0.4 内影响 <0.1 分。父节点的 m=0.3 等权配置是该二维扫描内的峰，故提交默认不变（与父逐位相同，正式分预期复现 ~63.2）。+κ=50、both 未查分：κ 与 maxshift 两个方向均单调负，外推无收益，省额度。 -## 机制生效证据与对照（PLAN 要求项）+## 结论与教训（阴性） -- **关闭对照**：`BLEND_M_PERP=0 BLEND_M_VAR=0` 时 x_out=xp（blend 块不改变任何值），输出与 `BLEND_M=0`（整块跳过）maxdiff=0.0。查分 57.73 vs 提交 62.06：cell_state 77.50→85.97、covariation 44.87→52.23、de_recovery 51.96→52.47、direction 50.06→50.82，两个机制（垂直去噪+方差校正）合计 +4.33，均在运行。-- **逐细胞不同**：提交输出 vs 关闭对照，495/652 个细胞被修改，逐细胞 mean|dx| 分布 0.042–0.391（min–max，中位 0.130）；BLEND_DEBUG 逐型 mean|dx|：AVC-CM 0.198 (n=36)、IFT-CM 0.189 (n=139)、OFT/RV-CM 0.173 (n=114)、SV-CM 0.218 (n=67)、Unknown 0.181 (n=130)、aSHF 0.199 (n=9，非形状化只做垂直收缩)。不是常数位移（每细胞按其在 PC 子空间外的残差被压缩）。-- **等价性**：m_perp=m_var=0.3 与父节点公式 maxdiff=0.0（见上）。+- **direction 不是由"小型噪声位移过冲"造成的**：所有衰减型级位移幅度的干预（收缩、裁剪）都让 direction 单调下降（50.82→50.74→50.63→50.59→50.53），说明当前 α=1.8 的位移幅度对 X3 而言不是过大而是仍偏保守或恰好，PLAN 风险 1 应验。+- de_recovery 对位移幅度极敏感：clip 把总分拉低主要经 de_recovery（52.47→48.18→46.49），裁剪掉的高 |dt_pc| 分量正是 DE 信号的来源。+- covariation 在 clip 下微升（52.23→52.81）但不足以补偿，与 node 19 的 m_perp 教训同构：该程序里各组存在"幅度↔保真"权衡，任何全局性减小位移的操作净负。+- 值得注意的现象（留给后续节点）：AVC-CM 的 raw shift 范数 40.6 是其他型的 2–4 倍且 n_prev 只有 18——若它确是噪声，应有某种不减小总体幅度的修正方式（如只在型内重分配、或投影到与其它型一致的方向上），单纯缩幅已被证伪。  ## 验证过 / 没验证 -- 验证过：X3 seed0 上 9 组 (m_perp,m_var) 扫描、2 组 β 补偿、β∈{4.5,5}、关闭对照、公式等价性、逐细胞位移分布。-- 没验证：β=4.5 的 seed1 符号（+0.08 远低于噪声，不值得花额度）；final 类视图上的行为（本节点只在 X3 查分）；m_perp<0.3 方向（node 14 已证 m=0.25 劣于 0.3）。-- 知识来源：无新增生物学先验；全部为统计方法（PCA 低秩收缩、方差校正），沿用父节点。视图无关：代码只依赖 manifest 数据与时间差，不读 board/mode/路径；无 ARTIFACTS。+- 验证过：关闭对照两种方式与父 maxdiff=0.0；shrink κ∈{10,30}、clip ms∈{2,3} 各一次 X3 seed0 查分；CONF_DEBUG 逐型收缩比例；默认配置下 run.py 在完整 X3 视图跑通（~9 s，<2 GB）。+- 没验证：κ=50 / both 模式（单调负外推）；seed1/2（阴性结果提交=父逐位相同，无需）；final 类视图（本节点只在 X3 查分）。+- 知识来源：无新增生物学先验；全部为统计方法（样本量收缩 James-Stein 式、均值差标准误裁剪），沿用父节点框架。视图无关：只依赖 manifest 数据与时间差，不读 board/mode/路径/绝对时间；无 ARTIFACTS；EXECUTION.json gpu=false。diff --git a/solution/run.py b/solution/run.pyindex a6a1f9b..b8719f1 100644--- a/solution/run.py+++ b/solution/run.py@@ -21,6 +21,14 @@ different effective displacements (unlike a constant shift).  LOWRANK_SHAPE_BETA=0 turns the shape part off and reproduces the parent exactly. Single-input views fall back to copy_last exactly.++Per-type confidence weighting (node 20, negative result, default off):+CONF_MODE=shrink applies dt_pc_eff = c_t*dt_pc + (1-c_t)*delta_global with+c_t = n_t/(n_t+CONF_KAPPA), n_t = min(n_prev_t, n_last_t); CONF_MODE=clip+clips dt_pc components at +-CONF_MAXSHIFT*SE (two-sample SE of the PC mean+difference); CONF_MODE=both does shrink then clip. CONF_MODE=off (default,+or CONF_KAPPA=0) reproduces the parent exactly (verified maxdiff=0.0).+CONF_DEBUG=1 prints per-type raw vs effective shift norms. """  from __future__ import annotations@@ -144,6 +152,10 @@ def main() -> None:     delta = delta_global     lab_prev = labels_of(prev)     lab_last = labels_of(last)+    conf_mode = os.environ.get("CONF_MODE", "off")+    conf_kappa = _env_float("CONF_KAPPA", 0.0)+    conf_maxshift = _env_float("CONF_MAXSHIFT", 3.0)+    conf_debug = bool(os.environ.get("CONF_DEBUG"))     if per_type:         shift_by_type = {}         if shape_beta > 0.0:@@ -152,11 +164,30 @@ def main() -> None:         for t in sorted(set(lab_prev.tolist()) & set(lab_last.tolist())):             m1 = lab_prev == t             m2 = lab_last == t-            if m1.sum() < 5 or m2.sum() < 5:+            n1t = int(m1.sum())+            n2t = int(m2.sum())+            if n1t < 5 or n2t < 5:                 continue             dt_pc = Z_last[m2].mean(axis=0) - Z_prev[m1].mean(axis=0)+            dt_raw = dt_pc+            if conf_mode in ("shrink", "both"):+                n_t = min(n1t, n2t)+                c_t = n_t / (n_t + conf_kappa) if conf_kappa > 0.0 else 1.0+                dt_pc = c_t * dt_pc + (1.0 - c_t) * delta_global+            if conf_mode in ("clip", "both"):+                se = np.sqrt(Z_prev[m1].var(axis=0) / n1t + Z_last[m2].var(axis=0) / n2t)+                lim = conf_maxshift * se+                dt_pc = np.clip(dt_pc, -lim, lim)+            if conf_debug:+                nrm_raw = float(np.linalg.norm(s * lam * dt_raw))+                nrm_eff = float(np.linalg.norm(s * lam * dt_pc))+                n_t = min(n1t, n2t)+                c_t = n_t / (n_t + conf_kappa) if conf_kappa > 0.0 else 1.0+                print(f"conf type={t} n_prev={n1t} n_last={n2t} c_t={c_t:.3f} "+                      f"|shift|_raw={nrm_raw:.4f} |shift|_eff={nrm_eff:.4f} "+                      f"ratio={nrm_eff / max(nrm_raw, 1e-12):.3f}")             shift_by_type[t] = (s * lam * dt_pc) @ Vt  # hvg space, float64-            if shape_scale_by_type is not None and m1.sum() >= shape_min_cells and m2.sum() >= shape_min_cells:+            if n1t >= shape_min_cells and n2t >= shape_min_cells and shape_scale_by_type is not None:                 vp = Z_prev[m1].var(axis=0)                 vl = Z_last[m2].var(axis=0)                 eps = 1e-8

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

**做了什么**：按 PLAN 实现按型置信度收缩（c_t=n/(n+κ) 向全局位移收缩）与 SE 裁剪两个机制（CONF_MODE/CONF_KAPPA/CONF_MAXSHIFT 开关），关闭对照（off 与 κ=0）均与父节点 maxdiff=0.0。

**查分结果**（X3 A 半，seed0，用 4/20 额度）：shrink κ=10 → 61.69、κ=30 → 60.97；clip ms=3 → 60.92、ms=2 → 60.24；父=62.06。direction 随任何位移衰减单调下降（50.82→50.53），PLAN 风险 1 应验，按 PLAN 步骤 5 提交父配置（逐位相同，正式分预期 63.21）。机制确实在差异化收缩小样本型（AVC-CM ratio 0.38、aSHF 0.45 vs 大型 0.94），但假设本身被证伪。

**下一步最值得试**：direction 停滞不是"小型过冲"造成的——缩幅方向已全面证伪，反而提示幅度偏保守；可试反向操作（对高置信大型微增 α_t，如 c_t 加权放大而非收缩），或处理 AVC-CM raw shift 范数异常（40.6，为其他型 2–4 倍且 n_prev=18）但不减总体幅度（如投影到跨型一致方向）。de_recovery 对裁剪极敏感（52.5→46.5），任何触碰高 |dt_pc| 分量的改动都要先查 de_recovery。

调研员

on metric may not reward smaller shifts — if the true displacement is large, shrinking toward global hurts rather than helps. Engineer should check if direction improves or worsens after first 2 queries and abort early if clearly negative. 2) With only 6-7 types, the shrinkage may not have enough granularity to help — all types may have similar confidence. Check per-type n_t distribution before running. 3) Interaction with blend block: blend already shrinks toward PC reconstruction, double-shrinkage could hurt cell_state. Monitor cell_state in first query. 4) Noise: direction moves in small increments (~0.05-0.8 across nodes); if improvement <1 point, report as noise and submit parent.",
 "family_id": "lowrank_shape",
 "mechanism": "Per-type shrinkage of the PC-space temporal displacement toward the global displacement, weighted by sample-size confidence n/(n+kappa), reducing noisy overshoot for small cell types.",
 "vs_constant_shift": "The per-type shift is already type-specific (not a single global vector); this adds differential shrinkage per type based on estimation precision, so cells in small types get smaller, more conservative displacements while large types keep their full estimated shift. A constant shift would move all cells of a type by the same amount regardless of estimation quality.",
 "mechanism_evidence": "Engineer should report: (1) per-type effective shift magnitude before vs after shrinkage (L2 norm of dt_pc_t * s), showing small types are shrunk more; (2) direction group score change; (3) per-type mean displacement in gene space; (4) verify cell_state does not drop >0.5. If all types have n>100 and shrinkage changes shifts by <5%, mechanism is not operating meaningfully.",
 "mechanism_off_control": "Set CONF_KAPPA=0 (or CONF_MODE=off): w_t = n_t/(n_t+0) = 1 for all types, so dt_pc_t is used without shrinkage, exactly reproducing parent output. Run and verify maxdiff=0 with parent. Then compare direction score of off vs on.",
 "sources": []}
```

审查员

REVIEW.json written