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

节点 n20

按PLAN把节点13的逐细胞局部扩张 η·g_i 改为范数归一+按型增益：ĝ_i=g_i/‖g_i‖，s_c=clip(‖w_c‖/med_c(‖g‖),0.5,5)，位移=η·s_c·V ĝ_i；扫 η/裁剪/spow 后提交 typed η=-9（3 seed 配对验证，均值 +0.27，cov 三个 seed 一致 +0.4~0.5）。--eta-norm global --local-et

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 21ca33e097: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 d2266fa16d。改动的文件：solution/METHOD.md +29 −22、solution/run.py +48 −16

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex fa7ac2e..6625fae 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,39 +1,46 @@-按PLAN在节点13上加逐细胞kNN速度修正λ·v_i（同型stage1近邻、型内零均值、亲本回退）；λ正负双向均单调降分且direction不动（PLAN风险2成立），中止并提交λ=0，输出与节点13逐元素一致。+按PLAN把节点13的逐细胞局部扩张 η·g_i 改为范数归一+按型增益：ĝ_i=g_i/‖g_i‖，s_c=clip(‖w_c‖/med_c(‖g‖),0.5,5)，位移=η·s_c·V ĝ_i；扫 η/裁剪/spow 后提交 typed η=-9（3 seed 配对验证，均值 +0.27，cov 三个 seed 一致 +0.4~0.5）。--eta-norm global --local-eta -3 逐元素还原父节点。  ## 实际实现的方法族（family: other，PLAN 指定机制） -完整保留节点 13 管线：copy_last 抽样（rng 流不变）、per-type EB 位移 δ_c（含 SYNONYM_PARENTS 改名回退）、时间缩放 α·r（α=1.5，只用相对时间差）、top-8000 HVG / top-25 PC 基 V / β=1 低秩投影、η=-3 逐细胞局部扩张、只作用非零元、max(0,·)。单输入视图严格退化 copy_last（代码路径未动）。+完整保留节点 13/16 管线：copy_last 抽样（rng 流不变）、per-type EB 位移 δ_c（含 SYNONYM_PARENTS 改名回退）、时间缩放 α·r（α=1.5，只用相对时间差）、top-8000 HVG / top-25 PC 基 V / β=1 低秩投影、kNN(k=15) 局部项 g_i、只作用非零元、max(0,·)、--vel-lambda（默认 0，旁路）。单输入视图严格退化 copy_last（代码路径未动）。 -新增（PLAN 机制）：-1. `--vel-lambda λ`（默认 0，环境变量 VEC_VEL_LAMBDA）：stage2 细胞 i（型 c）在 25 维 PC 空间对**同型 stage1 细胞**建 cKDTree，取 k_vel=10 近邻，v_i = z_i − mean(z_neighbors)；v_i 在型内零均值（保留 δ_c 型级位移不变）。-2. 改名/分出型回退：同型 stage1 细胞 <5 时改用 SYNONYM_PARENTS 亲本（V-CM←LV/RV-CM，Endocardium/BEC←Endothelium）——与 δ_c 用的是同一张通用谱系映射表（官方 T1 词汇改名知识，非保留阶段测量）；仍 <5 则跳过该型（v_i=0）。每型 stage1/stage2 细胞数上限 3000（确定性等距抽样，不耗 rng）。-3. `--vel-pc0 m`：把 v_i 的前 m 个 PC 分量置零（PLAN 的 PC 6–25 限制变体）。-4. 逐细胞 HVG 位移 = β·V(η·g_i + λ·v_i)；λ=0 时 Vmat 整段旁路，走节点 13 的原始算术路径，输出**逐元素一致**（实测 (A!=B).nnz==0）。+新增（PLAN 机制，--eta-norm typed，默认）：+1. 逐细胞归一：ĝ_i = g_i / max(‖g_i‖, 1e-6)（单位方向）。+2. 按型增益：med_c = median(‖g_j‖, j∈型c 的 stage2 全体细胞)；s_c = clip(‖w_c‖ / max(med_c, 0.1), --eta-smin 0.5, --eta-smax 5.0) ** --eta-spow（默认 spow=1 即 PLAN 原式；spow 是探索时加的阻尼开关）。w_c = V^T·(scale·δ_c)[hvg]。+3. 局部位移 = η·s_c·β·(ĝ_i @ V^T)，加在 δ_c 位移之上、只作用非零元（同父节点算术位置）。+4. 默认 --local-eta 从 -3 改为 **-9**（归一后幅度变小，需补偿；见扫描表）。  ## 机制关闭对照（mechanism_off_control） -λ=0（默认）：与节点 13 在同一视图同一 seed 下预测逐元素一致（nnz diff = 0），X3 A 半 seed0 = 58.8703（= 节点 13 记录的 58.87），四组分完全相同（cs 82.85 / cov 44.16 / de 50.96 / dir 49.78）。对照成立。+`--eta-norm global --local-eta -3`：与父节点（节点16 默认 = 节点13 逐元素）在同一视图同 seed 下预测逐元素一致（(A!=B).nnz == 0，双向验证），X3 A 半 seed0 = 58.87（= 节点 13/16 记录值）。对照成立。 -## 机制生效证据（λ>0 时确实改变了细胞）+## 机制生效证据 -- λ=1（含亲本回退）：mean‖v_i‖=8.70，98.9% 细胞 v_i≠0（跳过型只剩 pSHF/ST/NCC-derived 等 <5 亲本细胞的小型），输出与 λ=0 相差 1,172,204 个非零元——非微扰。-- λ=1（无回退版）：mean‖v_i‖=6.65，76.1% 细胞非零（Endocardium 305、V-CM 189 等大群因 stage1 无同型细胞被跳过）。+- typed η=-3 seed0：输出与父节点相差 1,186,330 个非零元——非微扰。+- 每型 s_c（X3, seed0）：Endocardium 1.28、Unknown 1.26、OFT/RV-CM 1.54、aSHF 1.85、IFT-CM 2.15、BEC 2.45、V-CM 4.02、SV-CM 4.22、AVC-CM 4.76、NCC-derived 4.85、ST 4.82、pSHF 5.00（触 clip）。spread 1.26→5.00，非平凡。+- 归一后每细胞 ‖ĝ‖=1（各型一致），归一前 mean‖g‖≈6.6~13.5 随型/密度变化——型内扩张幅度已均匀化、型间与 ‖w_c‖ 成比例。 -## 查分记录（X3 A 半，seed 0，共 14 次查询，剩余 6）+## 查分记录（X3 A 半，seed 0 除注明外；用 12/20 次）  | 配置 | 总分 | cell_state | covariation | de_recovery | direction | |---|---|---|---|---|---|-| λ=0（=节点13） | **58.87** | 82.85 | 44.16 | 50.96 | 49.78 |-| λ=0.5（跳过版） | 58.58 | 82.76 | 43.49 | 50.48 | 49.74 |-| λ=1/2/3/5（跳过版） | 57.82 / 54.80 / 51.62 / 44.90 | 单调降 | 单调降 | 降 | 49.7→48.9 |-| λ=−0.5 / −1（跳过版） | 58.38 / 57.37 | 80.77 / 76.89 | 44.84 / 45.58 | 50.96 | 49.76 / 49.80 |-| λ=0.5/1/2/3（亲本回退版） | 58.12 / 56.48 / 52.06 / 47.46 | 单调降 | 单调降 | 降 | ≤49.78 |-| λ=1/2（PC 6–25 限制） | 58.11 / 55.98 | 81.18 / 75.37 | 43.45 / 42.86 | 50.48 / 49.53 | 49.80 / 49.66 |+| global η=-3（=父，seed0/1/2） | 58.87 / 58.74 / 61.06 | 82.85/82.65/87.09 | 44.16/43.76/47.89 | 50.96/49.53/50.48 | 49.78/51.25/50.94 |+| **typed η=-9（提交，seed0/1/2）** | **59.60 / 58.88 / 61.02** | 85.31/83.19/86.81 | 44.62/44.11/48.41 | 50.48/49.07/50.00 | 49.87/51.32/51.16 |+| typed η=-1/-2/-3 | 54.36/55.19/56.05 | 64.6/67.7/70.9 | 47.26/46.89/46.53 | 51.46 | ~50.5 |+| typed η=-6/-8/-10/-11 | 58.49/59.33/**59.66**/59.39 | 80.0/84.2/85.8/85.6 | 45.5/44.9/44.3/44.1 | 51.5/50.5/50.5/50.0 | ~49.8 |+| typed η=-9 smax=3 / smin=2 | 59.01/59.26 | 83.2/85.0 | 44.8/44.1 | 50.5/50.0 | ~49.9 |+| typed spow=0.5 η=-9/-14；spow=0 η=-21 | 58.21/59.10/58.87 | 78.7/84.2/82.8 | 45.4/44.4/44.2 | 51.96/50.0/50.96 | ~50 | -**结论（PLAN 风险 2 应验，中止）**：direction 在所有 λ（正、负、亲本回退、PC 子集）下都停在 49.4–49.8 噪声地板（PLAN 判据 ≥53 从未接近）；|λ| 增大只单调稀释 cell_state 与 covariation。stage1→stage2 的型内 kNN 速度方向对 stage2→目标的 direction 没有可用信号——X3 两输入只差 0.25 天，kNN 速度主要反映采样噪声而非轨迹方向。按 PLAN 步骤 5/风险 2 的预设中止条件，提交 λ=0。+3-seed 配对差（typed η=-9 − global η=-3）：总分 +0.73/+0.13/−0.04（均值 +0.27）；cell_state +2.46/+0.54/−0.28；covariation **+0.46/+0.35/+0.52（三 seed 一致为正）**；de_recovery −0.48×3（一致为负）；direction ≈0。++## 结论与判断++- PLAN 提交判据（cov≥46 且 cs≥85）在 η 维度上不可同时满足：|η| 增大单调 cs↑ cov↓ de↓，是幅度权衡曲线；cov≥46 的配置（|η|≤3）cs 只有 64~71。PLAN 风险 1 部分应验（cov 的大幅损失确是扩张幅度的结构代价），风险 2 未应验（cs 未跌破 85，反而升）。+- 选 η=-9（而非 seed0 最高的 η=-10，59.66）：η=-9 有 3-seed 配对验证（从未比父差 >0.05，两次为正），cov 目标组一致改善，避免对 seed0 A 半过拟合。总增益 +0.27 均值 < 噪声 2 分，如实记录：这是"cov/cs 一致小幅改善、de 一致小幅损失"的近中性改动，正式分（B 半）不保证为正。+- de_recovery 的一致 −0.48 是主要残留损失，来源应是强扩张稀释了 δ_c 的 DE 信号（η=-6 时 de 尚有 51.46）。  ## 验证过 / 没验证 -- 验证过：λ=0 与节点13逐元素一致；λ>0 输出确定性（同 seed 复跑一致）、通过 vec-check；seed 1 默认参数跑通并过 vec-check；耗时 ~12s、内存不变（cKDTree 开销 <1s）。-- 没验证：final/proxy 视图（λ=0 与节点13同码路径，行为由其继承）；λ 与 η 的二维联扫（λ 单维已单调有害，PLAN 风险 4 的 η=-2 联扫未做）；vel_k、cap 的敏感性（机制方向性失败，调参无意义）。-- 知识来源：SYNONYM_PARENTS 沿用节点 5/13（官方 T1 词汇的改名/拆分，通用谱系知识）；其余全部由视图数据现场计算，无硬编码阶段统计量。+- 验证过：global+η=-3 与父逐元素一致；默认（typed η=-9）seed 0/1/2 输出确定、通过 vec-check；默认输出与 --local-eta -9 显式运行逐元素一致；耗时 ~5-11s、内存不变；单输入阶段代码路径未动（严格 copy_last）。+- 没验证：final/proxy 视图实跑（同一代码路径，行为由数据现场计算决定；E8.5→E9.5→E10.5 间隔更大，r 与 s_c 数值会不同）；B 半分数；de 损失的修复方案（如局部项对 top-|δ_c| 基因降权）未及尝试。+- 知识来源：SYNONYM_PARENTS 沿用节点 5/13（官方 T1 词汇改名/拆分，通用谱系知识）；其余全部由视图数据现场计算，无硬编码阶段统计量、无绝对时间分支（r 只用时间差）。diff --git a/solution/run.py b/solution/run.pyindex af08d79..f844124 100644--- a/solution/run.py+++ b/solution/run.py@@ -6,21 +6,19 @@ latest input stages, gene-level EB shrinkage, time rescale alpha*r, projection of each type's displacement onto the top-k PC subspace V of the pooled input data (HVG-restricted, centered), applied at existing nonzeros only, max(0, .). -New mechanism (this node): each output cell i of type c is displaced by-    d_i[hvg] = V (w_c + eta * g_i),   w_c = V^T Delta_c[hvg],-where g_i = mean_{j in kNN(i)} (z_j - z_i) is the mean PC-space offset of the-cell's k=15 nearest neighbours in the stage-2 pool (z = V^T x_hvg, centered).-eta < 0 pushes each cell away from its local density centre along the local-tangential direction, restoring within-type cell-to-cell spread; eta = 0-disables the local term and reproduces the parent element-wise.+New mechanism (node 13, kept): each output cell i of type c is displaced by a+per-cell local expansion term computed from g_i = mean_{j in kNN(i)} (z_j - z_i),+the mean PC-space offset of the cell's k=15 nearest neighbours in the stage-2+pool (z = V^T x_hvg, centered). -This node additionally implements (behind --vel-lambda, default 0) a per-cell-kNN velocity correction: v_i = z_i - mean of the k_vel nearest stage-1 cells-of the same type (SYNONYM_PARENTS fallback for renamed types), zero-meaned-within each type, entering the displacement as V(eta*g_i + lambda*v_i).-Scored on X3 (A half): lambda != 0 monotonically lowers the total and never-moves `direction` above the noise floor (see METHOD.md), so the submitted-default lambda = 0 reproduces node 13 element-wise (mechanism-off control).+This node (PLAN: per-type norm-normalized expansion): with --eta-norm typed+(default), g_i is replaced by s_c * ghat_i where ghat_i = g_i / ||g_i|| (unit+direction) and s_c = clip(||w_c|| / median_c(||g||), smin, smax) ** spow, with+w_c = V^T Delta_c[hvg] the type-level PC displacement. Default eta = -9,+spow = 1, clip [0.5, 5]. Mechanism-off control: `--eta-norm global+--local-eta -3` reproduces node 13/16 element-wise (verified (A!=B).nnz == 0).+An extra exponent flag --eta-spow (0 = pure unit-norm, 0.5 = sqrt-damped+per-type gain) was explored; spow=1, eta=-9 was the best 3-seed paired config.  View independence: V and all offsets come from the view's own input matrices; only relative time differences are used. Single input stage -> exact copy_last.@@ -121,9 +119,23 @@ def main() -> None:     parser.add_argument("--proj-norm", action="store_true",                         default=os.environ.get("VEC_PROJ_NORM", "") == "1")     parser.add_argument("--local-eta", type=float,-                        default=float(os.environ.get("VEC_LOCAL_ETA", "-3.0")))+                        default=float(os.environ.get("VEC_LOCAL_ETA", "-9.0")))     parser.add_argument("--local-k", type=int,                         default=int(os.environ.get("VEC_LOCAL_K", "15")))+    parser.add_argument("--eta-norm", choices=["global", "typed"],+                        default=os.environ.get("VEC_ETA_NORM", "typed"),+                        help="'global' reproduces the raw eta*g_i parent path; "+                             "'typed' unit-normalizes g_i and scales per type by "+                             "s_c = ||w_c|| / median(||g_j||, j in type c)")+    parser.add_argument("--eta-smin", type=float,+                        default=float(os.environ.get("VEC_ETA_SMIN", "0.5")))+    parser.add_argument("--eta-smax", type=float,+                        default=float(os.environ.get("VEC_ETA_SMAX", "5.0")))+    parser.add_argument("--eta-med-floor", type=float,+                        default=float(os.environ.get("VEC_ETA_MED_FLOOR", "0.1")))+    parser.add_argument("--eta-spow", type=float,+                        default=float(os.environ.get("VEC_ETA_SPOW", "1.0")),+                        help="exponent on s_c (0 = pure unit-norm, 1 = PLAN)")     parser.add_argument("--vel-lambda", type=float,                         default=float(os.environ.get("VEC_VEL_LAMBDA", "0.0")))     parser.add_argument("--vel-k", type=int,@@ -215,6 +227,7 @@ def main() -> None:                 kk = int(min(args.local_k, n2 - 1))                 nbr = np.argpartition(D2, kk - 1, axis=1)[:, :kk]                 G = Z2[nbr].mean(axis=1) - Z2  # (n2, kk_dim)+            Gnorm = np.linalg.norm(G, axis=1) if G is not None else None             # per-cell velocity directional correction (mechanism of this node):             # for each stage-2 cell i of type c, v_i = z_i - mean of its             # k_vel nearest stage-1 cells OF THE SAME TYPE in PC space; then@@ -283,7 +296,26 @@ def main() -> None:             tmask = np.flatnonzero(labs == t)             Loc = None             if G is not None or Vmat is not None:-                if Vmat is None:+                if Vmat is None and args.eta_norm == "typed":+                    # per-type norm-normalized expansion (PLAN mechanism):+                    # ghat_i = g_i / ||g_i||, s_c = ||w_c|| / med_c (clipped),+                    # displacement = eta * s_c * V ghat_i+                    wc = V.T @ d[hvg]+                    swc = float(np.linalg.norm(wc))+                    full = np.flatnonzero(lab2 == t)+                    med_c = float(np.median(Gnorm[full])) if full.size else 0.0+                    s_c = float(np.clip(swc / max(med_c, args.eta_med_floor),+                                        args.eta_smin, args.eta_smax))+                    s_c = s_c ** args.eta_spow+                    Gsub = G[rows[tmask]]+                    nsub = np.linalg.norm(Gsub, axis=1, keepdims=True)+                    Ghat = Gsub / np.maximum(nsub, 1e-6)+                    loc = (args.local_eta * s_c) * beta * (Ghat @ V.T)+                    print("typed %-16s m=%4d ||w_c||=%.3f med_c=%.3f s_c=%.3f "+                          "mean||g||=%.3f" % (str(t), len(tmask), swc, med_c,+                                              s_c, float(nsub.mean())),+                          file=sys.stderr)+                elif Vmat is None:                     # exact node-13 arithmetic path (element-wise identical)                     loc = args.local_eta * beta * (G[rows[tmask]] @ V.T)                 else:

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 把节点 13 的局部扩张 η·g_i 改为单位范数方向 + 按型增益 s_c=clip(‖w_c‖/med_c, 0.5, 5)（`--eta-norm typed`），扫描 η∈{-1..-11}、smin/smax、spow 后提交 typed η=-9；机制关闭对照 `--eta-norm global --local-eta -3` 与父节点逐元素一致（nnz diff=0）。

查分（X3 A 半，用 12/20）：seed 0/1/2 配对差 +0.73/+0.13/−0.04（均值 +0.27，近中性）；covariation 三 seed 一致 +0.4~0.5（PLAN 目标组），cell_state +2.5/+0.5/−0.3，de_recovery 一致 −0.48。PLAN 判据 cov≥46∧cs≥85 不可同时满足（幅度权衡曲线）。默认输出通过 vec-check，确定性验证通过，耗时 ~10s。

下一步最值得试：修复 de_recovery 的一致 −0.48（对 top-|δ_c| DE 基因降低局部项权重，或把局部项限制在非 HVG 基因）；以及沿 α（EB 时间缩放）维度扫 de_recovery，而非再叠加逐细胞方向项。

调研员

_groups": ["covariation"],
  "risks": "1) covariation loss may be structural to any expansion (not just non-uniform magnitude), in which case normalization won't help — Engineer detects this if covariation stays <46 across all configs; fallback is reducing |η|. 2) Unit-norm normalization removes the density-dependent magnitude signal that may contribute to cell_state; watch for cell_state dropping below 85. 3) s_c can be extreme for types with very small ‖w_c‖ (near-zero displacement); clip s_c to [0.5, 5] to avoid degenerate scaling. 4) T1 noise ~2 pts means covariation gain <1.5 is unresolvable; require ≥2 runs if gain is marginal.",
  "family_id": "other",
  "mechanism": "Normalize the per-cell local expansion direction to unit norm and scale its magnitude per type proportionally to the type-level displacement ‖w_c‖, making the within-type expansion uniform and proportional across all cell types.",
  "vs_constant_shift": "This does not add a new displacement vector or change composition. It modifies how the existing per-cell expansion term (η·g_i) is scaled: instead of a raw kNN offset whose magnitude varies with local density and type, the expansion becomes a fixed-magnitude push along the local direction, with type-wise gain matched to the EB-shrunk displacement. The per-type mean displacement δ_c is unchanged.",
  "mechanism_evidence": "Engineer should report: (a) per-type s_c values and their spread (if all ≈1, normalization is trivial); (b) mean ‖g_i‖ before/after normalization per type (should become uniform); (c) covariation and cell_state separately for each config; (d) number of non-zero elements changed vs parent (should be >0 for typed mode). If covariation improves but cell_state drops >2, the normalization is over-constraining expansion.",
  "mechanism_off_control": "--eta-norm global: uses the original η·g_i without normalization, reproducing node 13 element-wise (verify (A!=B).nnz==0 on X3 A-half seed 0, expect score 58.87).",
  "sources": []
}
```