总览 · ← 返回运行 20261002-202908-search-t1-scr-C

节点 n29

改了什么

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 845ac5a9fb: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 517733a38e。改动的文件：solution/METHOD.md +6 −6、solution/run.py +8 −5

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex af1b1f4..d9aaf3a 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,8 +1,8 @@ ## 改了什么-1. LAMBDA 从 1.0 降到 0.8：方向分数最弱(49.14)，全速外推可能过冲；适度收缩减少方向误差。-2. 新增熵收缩（entropy_shrink_factors）：OT 耦合列熵高的细胞祖先不确定，位移方向不可靠，按归一化熵线性收缩步长（强度 0.5，下限 0.5）。这直接针对 direction 分数：不确定耦合的细胞少动，确定耦合的细胞正常外推。-3. 新增步长幅度上限（STEP_CAP_STD=3.0 倍中位步长）：防止极端外推破坏方向，同时保留大部分细胞的正常位移。-机制对照：ENTROPY_SHRINK=0 且 LAMBDA=1.0 且 STEP_CAP_STD=inf 时退化为父节点行为。+1. LAMBDA 从 0.8 降到 0.65：延续 node 19（LAMBDA=0.7, rank3 50.38）优于 node 4（LAMBDA=0.8, rank3 50.20）的趋势，继续收缩外推幅度以减少过冲。+2. 移除熵收缩（ENTROPY_SHRINK=0, ENTROPY_FLOOR=1.0）：ANALYSIS 明确指出熵收缩对 direction 仅 +0.56（噪声内），无法归因任何收益；移除后简化程序。+3. 新增基因水平自适应收缩（GENE_SHRINK_RATIO=2.0）：计算每个基因在位移向量中的跨细胞标准差，标准差超过中位数 2 倍的基因按比例收缩。高方差基因的位移方向不可靠（噪声主导），收缩它们等价于在方向维度做去噪，直接针对 direction 分数。与父节点的细胞水平熵收缩正交：父节点按耦合不确定性收缩整行，本节点按基因方向一致性收缩整列。+机制对照：GENE_SHRINK_RATIO=inf 且 ENTROPY_SHRINK=0 且 LAMBDA=1.0 时退化为原始 ot_moscot 行为。 ## 用到的知识与出处-- Waddington-OT 耦合熵作为不确定性度量：Schiebinger et al. Cell 2019 (doi:10.1016/j.cell.2019.01.006)，耦合矩阵列的熵反映祖先分布的集中程度。-- 步长收缩防止外推过冲：通用正则化策略，无特定文献。+- 基因水平方差过滤降低噪声：通用统计正则化（shrinkage estimation），类似 James-Stein 收缩思想。+- OT 耦合外推框架：Schiebinger et al. Cell 2019 (doi:10.1016/j.cell.2019.01.006)。diff --git a/solution/run.py b/solution/run.pyindex ecb36e0..88ec93d 100644--- a/solution/run.py+++ b/solution/run.py@@ -46,12 +46,13 @@ EPSILON = 1e-3 TAU_A = 0.95 TAU_B = 1.0 K_SMOOTH = 30-LAMBDA = 0.8+LAMBDA = 0.65 GROWTH = True N_THREADS = 8-ENTROPY_SHRINK = 0.5-ENTROPY_FLOOR = 0.5+ENTROPY_SHRINK = 0.0+ENTROPY_FLOOR = 1.0 STEP_CAP_STD = 3.0+GENE_SHRINK_RATIO = 2.0   def weighted_rows(w: np.ndarray, n: int, rng: np.random.Generator) -> np.ndarray:@@ -114,7 +115,6 @@ def main() -> None:     Pc = P[:, rows]     del P     Pc /= np.maximum(Pc.sum(axis=0, keepdims=True), 1e-30)-    shrink = entropy_shrink_factors(Pc)     factor = LAMBDA * dt_out / dt_in     torch.set_num_threads(N_THREADS)     Xp = torch.from_numpy(prev.X.toarray())@@ -123,7 +123,10 @@ def main() -> None:     smooth = knn_mean(Zl, last.X, rows, K_SMOOTH)     step = (smooth - anc) * factor     del smooth, anc-    step *= shrink[:, None]+    gene_std = np.std(step, axis=0)+    med_std = np.median(gene_std[gene_std > 0]) if np.any(gene_std > 0) else 1.0+    gene_scale = np.minimum(1.0, GENE_SHRINK_RATIO * med_std / np.maximum(gene_std, 1e-10))+    step *= gene_scale[None, :]     step_mag = np.linalg.norm(step, axis=1, keepdims=True)     step_sd = np.median(step_mag[step_mag > 0]) if np.any(step_mag > 0) else 1.0     cap = STEP_CAP_STD * step_sd

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）。

没有记录调研来源。

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

native

审查员

REVIEW.json written

stream

SEARCH:
```python
LAMBDA = 0.7
GROWTH = True
N_THREADS = 8
ENTROPY_SHRINK = 0.5
ENTROPY_FLOOR = 0.5
STEP_CAP_STD = 3.0
```
REPLACE:
```python
LAMBDA = 0.7
GROWTH = True
N_THREADS = 8
ENTROPY_SHRINK = 0.5
ENTROPY_FLOOR = 0.5
STEP_CAP_STD = 3.0
TYPE_BLEND = 0.35
```

SEARCH:
```python
    step *= scale
    step[:, ~mask] = 0.0
```
REPLACE:
```python
    step *= scale
    if TYPE_BLEND > 0 and "celltype" in last.obs.columns:
        ct = last.obs["celltype"].values[rows]
        for t in np.unique(ct):
            m = ct == t
            if m.sum() > 2:
                step[m] = (1.0 - TYPE_BLEND) * step[m] + TYPE_BLEND * step[m].mean(axis=0, keepdims=True)
    step[:, ~mask] = 0.0
```

METHOD:
Cell-type-aware displacement blending: after OT coupling extrapolation and entropy/step-cap shrinkage, each cell's displacement vector is blended toward the mean displacement of its cell type (TYPE_BLEND=0.35). This reduces direction noise by enforcing coherent movement within types, directly targeting the weakest score dimension (direction ~49.7). Mechanism control: TYPE_BLEND=0 recovers parent behavior exactly. Knowledge source: cell types from official T1 vocabulary in input obs; empirical Bayes shrinkage toward group mean is a standard variance reduction technique (Efron & Morris 1975). Not validated: whether TYPE_BLEND interacts with ENTROPY_SHRINK; optimal blend fraction not swept.