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

节点 n21 在终选来历上

按PLAN实现PC-band限制局部扩张（η·g只作用于第m+1–25维PC）：实测m>0全部降总分（covariation与cell_state单调权衡，交换率≈1:7），成功判据不成立；转而实现PLAN风险1的预案——逐细胞局部项范数归一（‖η·Vg_i‖按型归一到型投影位移范数的f倍），f=1.3双seed均正（+0.8/+0.3，噪声内），提交m=0、f=1.3，其余与节点13一致。

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 6b60640f73: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 3c38738ce2。改动的文件：solution/METHOD.md +27 −31、solution/README.md +4 −0、solution/run.py +22 −0

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 2f7c473..1630d0b 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,49 +1,45 @@-在节点5低秩投影之上，把每型单一常位移改为逐细胞局部切向位移：每个输出细胞沿其 stage2 kNN(k=15) 在 PC(k=25) 子空间内的平均偏移方向反向推开（η=-3.0），恢复型内细胞间离散度。+按PLAN实现PC-band限制局部扩张（η·g只作用于第m+1–25维PC）：实测m>0全部降总分（covariation与cell_state单调权衡，交换率≈1:7），成功判据不成立；转而实现PLAN风险1的预案——逐细胞局部项范数归一（‖η·Vg_i‖按型归一到型投影位移范数的f倍），f=1.3双seed均正（+0.8/+0.3，噪声内），提交m=0、f=1.3，其余与节点13一致。 -## 方法（family: other，PLAN 指定的局部切向位移机制）+## 方法（family: other，PLAN 指定机制 + PLAN 风险1 预案） -完整保留节点 5 管线：copy_last 抽样（rng 流不变）、per-type EB 收缩位移 δ_c、时间缩放 α·r（α=1.5，只用相对时间差）、top-8000 HVG / ≤3000 细胞 / 中心化 svds k=25 的 PC 基 V、Δ_final=(1−β)Δ+βV(VᵀΔ)（β=1.0）、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管线：copy_last抽样、per-type EB位移、α·r时间缩放、top-25 PC低秩投影（HVG 8000）、逐细胞局部切向项 η·g_i（kNN k=15，η=-3）、只作用非零元、max(0,·)。单输入视图仍严格退化 copy_last。 -本节点新增（PLAN 机制，逐细胞位移）：+本节点新增两个开关（均已实现并扫描）： -1. 复用同一 V 与 rng 流，把 stage2 全部细胞投影到 PC 坐标 Z2=(X2[hvg]−μ)V（无新 SVD）。-2. 每个 stage2 细胞在 PC 空间找 k=15 近邻（排除自身，欧氏距离，全 stage2 池，可跨型），g_i = mean_kNN(z_j) − z_i。-3. 输出细胞 i（型 c）的位移在 HVG 上为 V(w_c + η·g_i)，w_c=Vᵀ(Δ_c[hvg])，即 PLAN 的 Δ_i=V(Vᵀ(δ_c+η·u_i)) 经 (1−β)/β 混合（β=1，非 HVG 位移为 0）。η=0 时局部项关闭。-4. 其余施加方式与节点 5 完全相同。+1. **--pc-band-start m（PLAN机制）**：构造掩码把 G（逐细胞PC偏移矩阵）前 m 列置零，局部扩张只作用于 PC m+1…25；低阶PC仅保留型级位移 w_c。kNN仍在全部25维PC空间搜索（邻居选择不变）。m=0 退化为节点13。+2. **--local-norm f（PLAN风险1预案）**：把每个细胞的局部项 HVG 向量范数归一到 f·‖d_c[hvg]‖（该型投影位移范数），方向仍由 kNN 局部几何逐细胞决定。f=0 关闭。 -**提交参数 η=-3.0（负值）**：PLAN 预设 η∈[0,1]（局部项与密度中心同向）；实测正 η 单调变差（+0.25/0.5/1.0 → 总分 55.6/55.0/53.5 量级，cell_state 从 61.8 掉到 54.8），负 η（把细胞推离其局部密度中心、沿局部切向向外扩张）单调变好，η=-3 处平台（-2→57.95，-3→58.87，-3.5→58.64，-4→57.87）。机制仍是逐细胞局部切向位移（方向由 kNN 局部几何决定、逐细胞不同），只是有效符号是外向扩张：copy_last+共享位移+max(0,·) 压缩了型内细胞间离散度，负 η 把它补回来。+**提交配置：m=0、f=1.3、η=-3、k=15。** -## 机制关闭对照（mechanism_off_control）+## 机制生效证据与对照结果（X3 A半，seed0，除注明外） -η=0（--local-eta 0）时局部项整段旁路，输出与节点 5 程序在同一视图同一 seed 下的预测**逐元素一致**（(A!=B).nnz==0，实测），且抽样 rng 流不受影响。+**PC-band（PLAN机制）——判据不成立**： -## 机制生效证据（PLAN mechanism_evidence）+| m | 总分 | cell_state | covariation | de_rec | direction |+|---|---|---|---|---|---|+| 0（=节点13） | **58.87** | 82.85 | 44.16 | 50.96 | 49.78 |+| 5 | 57.40 | 76.64 | 45.04 | 51.46 | 50.15 |+| 8 | 56.53 | 73.20 | 45.65 | 51.46 | 50.30 |+| 10 | 55.88 | 70.18 | 46.06 | 51.96 | 50.51 |+| 15 | 54.34 | 64.95 | 46.66 | 51.46 | 50.64 |+| 20 | 53.47 | 62.63 | 47.07 | 50.48 | 50.61 | -1. **型内位移方向离散度**：η=0 时同型所有细胞位移方向余弦相似度=1（常位移）；η=-3 时局部项 g_i 的型内两两余弦均值 ≈0.00–0.06（IFT-CM 0.006、V-CM 0.062、Endocardium 0.002、Unknown 0.002）→ 方向真正逐细胞化。-2. **被改变的细胞与幅度**：全部 652 个输出细胞都被加了局部项；‖η·V g_i‖ 均值 ≈20（η=-3），为对应型投影位移范数（8.3–65.4）的 30%–240%，非微扰。-3. **四组分随 η 的变化**（seed0，A 半）：η=0：cs 61.76/cov 47.65/de 50.96/dir 50.72（=节点5）；η=-1：cs 70.41/cov 46.38/de 51.46/dir 50.39（55.86）；η=-2：cs 78.46/cov 45.21/de 51.46/dir 50.03（57.95）；η=-3：cs 82.85/cov 44.16/de 50.96/dir 49.78（58.87）；η=-4：cs 81.59/cov 43.22（57.87）。cell_state 大幅单调回升（与节点 9 的 83.82 相当），de_recovery 在 -1/-2 处 +0.5，direction 与 covariation 缓慢下降（PLAN 风险 1 成立：外向扩张抬高 variogram，协变结构被稀释）；总分在 η=-3 达到峰值 58.87。-4. η=0 对照与节点 5 逐元素一致（见上）。+PLAN预期的单调性成立（m↑→cov↑、cs↓），但交换率极差（≈+1 cov 换 −7 cs），总分随 m 单调下降；成功判据（cov≥46 且 cs≥82）在任何 m 上不可达。带内加大|η|补偿也不行：m5/η-5→57.07（cov 43.83）、m5/η-7→53.70、m10/η-8→55.93、m3/η-4→57.58——强η在带内同样侵蚀covariation。**PLAN风险1应验，机制假设（低阶PC稀释是covariation损失主因）不被支持**：covariation损失主要来自局部扩张本身（逐细胞外向推开降低全基因协方差），不限于低阶PC方向。 -## 查分记录（X3 A 半，共 10 次查询）+**范数归一（预案）**：m=0、η=-3下 f∈{0.3,0.6,1.0,1.3,1.6} → 总分 55.24/57.04/58.86/**59.69**/59.55，f=1.3峰值（cs 85.55、cov 44.65、de 50.48、dir 49.91）；f=1.15→59.37。归一把各型局部项幅度拉齐（原来‖loc‖为型位移范数的30%–240%），对幅度被低估的型补足离散度。f=1.3 seed1=58.99、f=1.15 seed1=58.94，对照父节点 seed0/1=58.87/58.74：**f=1.3 双seed均值 59.34 vs 58.81（+0.53），双seed均为正但小于2分噪声线**，属弱正信号，不是已证进步。 -| 配置 | seed0 | seed1 |-|---|---|---|-| η=+0.25 / +0.5 / +1.0 | 55.6* / 55.0* / 53.5*（按组分明细，正 η 单调差） | - |-| η=-0.5 / -1.0 | - / 55.86 | - |-| η=-1.5 / -2.0 | 56.98 / 57.95 | - |-| **η=-3.0, k=15（提交）** | **58.87** | **58.74** |-| η=-3.5 / η=-4.0 | 58.64 / 57.87 | - |-| η=-3, proj-k=40 / local-k=25 | 57.70 / 58.62 | - |+**关闭对照**（mechanism_off_control）：m=0 且 f=0 时输出与节点13程序同视图同seed预测**逐元素一致**（(A!=B).nnz==0，实测）；η=0 时与节点5一致的对照链沿用节点13（代码路径未动）。 -（*正 η 的总分未单独记录，组分明细见上；正 η 全部低于 η=0 对照。）双 seed 均值 58.81 vs 父节点 53.94（同 A 半口径）→ **+4.9，远超 2 分噪声线**。+## 查分记录（X3 A半，共用19次）++band扫描5次 + band×强η 4次 + norm 5次 + norm seed1 3次 + norm1.15 s0/s1 2次。  ## 验证过 / 没验证 -- 验证：X3 vec-check ok；默认参数输出与已查分的 η=-3 seed0 预测逐元素一致；η=0 == 节点5 输出逐元素一致；单 seed 运行 ~13s / 内存 <1.5GB（限制 28GB / 30min）；纯 CPU（EXECUTION.json gpu:false 不变）；kNN 无 rng、svds 用固定 v0 → 对 seed 确定。-- 视图无关：只用相对时间差与视图内数据；PC 基与抽样用独立 rng 流 default_rng([seed, 0x5EED])；无路径/字段顺序/绝对时间依赖。-- 没验证：final 视图（r=1，位移减半，η 最优点可能漂移；η 作用在未乘 scale 的 g_i 上，故 final 上局部项相对更强，可能需要 |η| 减小）；proxy/proxy2（本节点分数只由 X3 决定）；B 半真值。-- 未试（时间不够）：η<0 局部扩张与节点 9 的位移轴幅度调制（γ=10）组合；两者都把 cell_state 推到 ~83，机制不同（局部几何扩张 vs 沿位移轴拉伸），可能互补也可能冗余。+- 验证：vec-check ok；默认参数输出与已查分的 f=1.3 seed0 预测逐元素一致；同seed两次运行逐元素一致（确定性）；~14s/0.7GB；纯CPU（EXECUTION.json gpu:false 不变）；m=0∧f=0 与节点13逐元素一致。+- 视图无关：仅用视图内数据与相对时间差；掩码/归一只依赖 V、G、型位移范数（全部现场计算）；无绝对时间、路径、字段顺序依赖。+- 没验证：final视图（r=1时局部项相对更强，f 最优点可能漂移）；B半真值；f∈(1.3,1.6)细网格（s0上1.6已回落，1.3为峰）。  ## 知识来源 -全部沿用节点 5：标签改名词表（方法卡 §标签）、EB 收缩公式（标准经验贝叶斯）、PCA/kNN 只用视图内两个输入阶段的表达数据；无外部数据、无 prior/、无禁窗信息、无硬编码统计量。+全部沿用节点5/13：标签改名词表（方法卡§标签）、EB收缩（标准经验贝叶斯）、PCA/kNN仅用视图内输入表达数据；无外部数据、无prior/、无禁窗信息、无硬编码统计量。diff --git a/solution/README.md b/solution/README.mdindex dec1bf3..91bf5f7 100644--- a/solution/README.md+++ b/solution/README.md@@ -4,3 +4,7 @@ 把每型单一常位移替换为逐细胞局部切向位移：每个输出细胞在 stage2 池的 PC(k=25) 坐标里找 k=15 近邻， 沿 g_i = mean_kNN(z_j) − z_i 方向以系数 η=-3.0 推开（HVG 位移 = V(w_c + η·g_i)），恢复型内细胞间离散度。 `--local-eta 0` 为机制关闭对照（输出与节点 5 逐元素一致）。单输入视图退化 copy_last。详见 METHOD.md。++节点21：PLAN的PC-band限制（--pc-band-start，默认0=关闭）实测单调降总分，已验证并放弃；+提交 --local-norm 1.3（逐细胞局部项范数按型归一到型投影位移范数的1.3倍），双seed均正（+0.5均值，噪声内）。+m=0且f=0时与节点13逐元素一致。详见 METHOD.md。diff --git a/solution/run.py b/solution/run.pyindex 3ee234b..756fbc9 100644--- a/solution/run.py+++ b/solution/run.py@@ -116,6 +116,15 @@ def main() -> None:                         default=float(os.environ.get("VEC_LOCAL_ETA", "-3.0")))     parser.add_argument("--local-k", type=int,                         default=int(os.environ.get("VEC_LOCAL_K", "15")))+    parser.add_argument("--pc-band-start", type=int,+                        default=int(os.environ.get("VEC_PC_BAND_START", "0")),+                        help="apply the local eta term only to PCs m..k-1; the "+                             "first m PCs keep the type-level displacement only "+                             "(m=0 disables the band restriction = node 13)")+    parser.add_argument("--local-norm", type=float,+                        default=float(os.environ.get("VEC_LOCAL_NORM", "1.3")),+                        help="if >0, rescale each cell's local HVG term to this "+                             "fraction of its type's projected displacement norm")     parser.add_argument("--no-time-scale", action="store_true",                         default=os.environ.get("VEC_NO_TIME_SCALE", "") == "1")     args = parser.parse_args()@@ -199,6 +208,15 @@ 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)+                # PC-band restriction (mechanism of this node): zero out the+                # first m PC columns of G so the local expansion acts only on+                # PCs m..k-1; low-order PCs keep the type-level w_c shift,+                # protecting the dominant covariation axes. m=0 -> node 13.+                m0 = int(args.pc_band_start)+                if m0 > 0:+                    band = np.zeros(G.shape[1], dtype=np.float64)+                    band[min(m0, G.shape[1]):] = 1.0+                    G *= band          beta = float(args.proj_beta)         diag = []@@ -222,6 +240,10 @@ def main() -> None:             Loc = None             if G is not None:                 loc = args.local_eta * beta * (G[rows[tmask]] @ V.T)  # (m, n_hvg)+                if args.local_norm > 0:+                    ref = float(np.linalg.norm(d[hvg]))+                    nrm = np.linalg.norm(loc, axis=1, keepdims=True)+                    loc *= np.where(nrm > 0, args.local_norm * ref / np.maximum(nrm, 1e-12), 0.0)                 Loc = np.zeros((len(tmask), d.shape[0]), dtype=np.float32)                 Loc[:, hvg] = loc                 nm = np.linalg.norm(loc, axis=1)

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 在节点13上实现 PC-band 限制（`--pc-band-start`，η·g 仅作用于高阶PC）并扫描 m∈{3,5,8,10,15,20}（含带内强η补偿）；PLAN 机制判据不成立（cov/cs 交换率≈1:7，m>0 全部降总分）。转而实现 PLAN 风险1预案：逐细胞局部项范数按型归一（`--local-norm f`），提交 m=0、f=1.3、η=-3。m=0∧f=0 时与节点13逐元素一致（关闭对照通过），确定性、vec-check、伪装无关性均验证。

**查分**（X3 A半，19/20次）：f=1.3 seed0=59.69 / seed1=58.99（均值59.34 vs 父58.81，+0.53，双seed均正但在噪声内）；band m=5…20 → 57.40…53.47 单调降。

**下一步最值得试**：(1) covariation 损失源于局部扩张本身而非低阶PC稀释——试对局部项做全基因协方差保持的正交化（g_i 减去其在型级协变主方向的投影后再扩张）；(2) 节点9的γ调制与 f=1.3 归一组合（正交机制）；(3) final 视图上 r=1 需重校准 f 与 η。

调研员

{
  "name": "PC-band限制局部扩张：仅高阶PC施加η扩张，保护低阶协变结构",
  "motivation": "节点13的η=-3局部扩张将cell_state从64.34推到86.79（+22.45），但covariation从48.20跌到44.54（-3.66），因为扩张均匀作用于全部25个PC，稀释了低阶PC携带的主协变结构。covariation（44.54）是当前最弱组，direction（50.12）和de_recovery（52.34）也偏弱但节点16已证明kNN速度修正对direction无效。ANALYSIS明确建议'只对高阶PC施加扩张、低阶PC保留节点5投影位移'。",
  "approach": "在节点13代码上做最小修改：将η·g_i只作用于PC维度m+1到25，前m维仅保留型级位移w_c。具体：(1) 新增CLI参数 --pc-band-start（默认10，即PC11-25接受扩张）；(2) 构造掩码向量mask=[0]*m+[1]*(25-m)，将g_i逐元素乘mask后再加到w_c上：d_i=V(w_c + η*(g_i⊙mask))；(3) kNN搜索仍在全25维PC空间进行（邻居选择不变）；(4) 扫描m∈{0,5,8,10,15,20}（m=0退化为节点13，m=25退化为节点5+无局部项）；(5) 判据：covariation≥46且cell_state≥82为成功，总分需双seed均值超父节点≥2分；(6) 单输入阶段退路不变（len(entries)<2时走copy_last）；(7) 用vec-score A半seed0快速筛选，最优配置再跑seed1确认。预计修改<20行代码，运行时间不增加。",
  "expected_groups": ["covariation"],
  "risks": "1) 若covariation评分器不敏感于低阶PC方向（而看全基因协方差），则PC-band限制可能不恢复covariation——Engineer应在m=10处先查covariation单组分，若<45立即尝试范数归一替代方案（‖η·Vg_i‖按型归一到型内位移范数的30%）。2) cell_state可能因扩张维度减少而下降——若cell_state<80则m需减小（更多维度参与扩张）。3) 最优m可能不在预设网格中——若m=10和m=15之间有明显梯度，补测m=12。4) 30分钟时限充裕（父节点仅14.3s），但6个m值×2seed=12次查分需在20次限额内完成。",
  "family_id": "other",
  "mechanism": "将逐细胞局部扩张项η·g限制到高阶PC子空间（第m+1到25维），低阶PC仅保留型级EB位移，使主导协变轴不被逐细胞噪声稀释。",
  "vs_constant_shift": "常数位移对所有细胞施加相同向量，不改变型内分布形状；本机制按每个细胞的局部kNN几何计算不同方向的扩张，且仅在残差PC子空间操作，保护主协变结构。",
  "mechanism_evidence": "1) 对比m=0（全维扩张=节点13）与m=10的covariation和cell_state：预期covariation回升≥2分、cell_state降幅<3分；2) 计算型内位移方向余弦相似度在低阶PC上应保持=1（常位移），高阶PC上<0.1（逐细胞化）；3) 四组分随m的单调性：m增大→covariation升、cell_state降，存在最优点。",
  "mechanism_off_control": "m=0时掩码全1，输出与节点13逐元素一致（已有η=0→节点5的对照链）；η=0时输出与节点5逐元素一致。两个关闭点分别验证局部项和PC-band限制各自可独立关闭。"
}

审查员

REVIEW.json written