总览 · ← 返回运行 20261003-004922-search-t2-embryo-interp-g24-D

节点 n24 终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。在终选来历上

在父21（扭曲抽样+成熟度偏向+otpair OT坐标位移）基座上，对每个抽中细胞的 OT 位移向量在预位移坐标空间、同型-同侧块内做 kNN 低通平滑（γ=0.75, k=5）再施加，去高频撕扯、保低频形状校正。A半 3 seed 均超父（62.49→62.81 / 62.12→62.46 / 62.09→62.17）。

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 68f78b1639: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 23f3edc5cf。改动的文件：solution/METHOD.md +48 −30、solution/README.md +1 −2、solution/run.py +70 −2

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex e71e3e8..4569a19 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,44 +1,62 @@-在父19（扭曲抽样+t_eff RMS校准+otpair OT坐标位移）基座上，把抽样改为成熟度偏向：每个型-侧块沿该型表达轴 mean_b−mean_a 的投影做指数秩倾斜无放回抽样（κ=64，a端偏超前、b端偏落后，分配不变），组成层面逼近中间态；OT位移参数不动。A半 seed0 榜分 62.40→62.49，cell_state 54.61→55.36、expression_change 60.13→60.71、local_spatial 57.28→56.0（OT源点改变所致）。+在父21（扭曲抽样+成熟度偏向+otpair OT坐标位移）基座上，对每个抽中细胞的 OT 位移向量在预位移坐标空间、同型-同侧块内做 kNN 低通平滑（γ=0.75, k=5）再施加，去高频撕扯、保低频形状校正。A半 3 seed 均超父（62.49→62.81 / 62.12→62.46 / 62.09→62.17）。 -## 方法（家族 T2EI-02，节点 19 之上的 improve）+## 方法（家族 T2EI-02，节点 21 之上的 improve） -基座与父节点 19 完全相同：procrustes3d 对齐、t_draw=t^1.75 扭曲分层抽样、RMS 目标 t_eff=mid+damp0.60、-otpair 型内 Sinkhorn OT 坐标位移（β=1.0，ε=(0.05·target_rms)²，位移后重缩放回 target_rms）。+基座与父 21 完全相同：procrustes3d 对齐、t_draw=t^1.75 扭曲分层抽样、κ=64 成熟度偏向块内选取、+t_eff=mid/damp=0.60 RMS 校准、otpair 型内 Sinkhorn OT 坐标位移（β=1.0，ε=(0.05·target_rms)²）。 -本节点改动（只在抽样阶段）：+本节点改动（只在位移施加前，`_knn_smooth_field`）： -- 对每个在括号两端都有 ≥5 细胞的型 τ，轴 v = mean_b[τ] − mean_a[τ]（log 表达伪批量差，视图内现场计算）；-- 块内每个候选细胞的投影 p = x·v/‖v‖ 升序秩量化 u∈[0,1]，权重 w = exp(±κ(u−0.5))：a 端取 +（偏超前）、b 端取 −（偏落后）；-- Efraimidis-Spirakis 加权无放回抽 k 个（k = stratified_choice 的原分配，故组成/细胞数不变，只换块内细胞）；-- κ = T2EI_SEL（默认 64）；T2EI_SEL=0 走原 mix_indices，与父 19 逐位相同（实测 .X 与 obsm array_equal）。-- T2EI_SEL_MODE=global 用全局伪批量差做轴（实测更差，默认 type）。+- 对每个型-侧块，先按父公式算出 d_raw = OT 重心投影 − 自身坐标（预位移坐标）；+- 在预位移坐标空间内、仅同块（同型同侧）取 k 近邻：平方距离 + `np.argsort(kind="stable")`（平局按下标，确定性），k_eff=min(k, n_block−1)，n_block≤2 时跳过；+- d_smooth_i = k 近邻 d_raw 的均匀均值（不含自身）；融合 d = (1−γ)·d_raw + γ·d_smooth；+- 再按父公式 x += β·w_side·d，最后重缩放回 target_rms。表达、抽样、细胞数完全不动。+- 环境变量：`T2EI_SMOOTH`=γ（提交默认 0.75）、`T2EI_SMOOTH_K`（默认 5）；γ=0 短路全部新代码。 -## 网格结果（proxy A 半，seed 0，查分 7 次，余 13）+块内（而非跨侧）平滑的理由：a 侧与 b 侧 d_raw 方向相反（互相靠拢），跨侧平均会抵消掉驱动+a/b 亚云合并的低频分量；"高频撕扯"发生在同侧相邻源细胞被 OT 映射到差异大的目标处。 -| κ | 榜分 | cell_state | expr_change | local_spatial | shape_scale |-|---|---:|---:|---:|---:|---:|-| 0（=父19） | 62.40 | 54.61 | 60.13 | 57.28 | 77.58 |-| 4 / 8 / 16 | 61.62 / 62.19 / 62.23 | 52.76 / 53.94 / 54.42 | 60.39 / 60.62 / 60.75 | 56.10 / 55.51 / 56.04 | 77.24 / 78.69 / 77.70 |-| 16（global 轴） | 62.18 | 53.55 | 60.46 | 55.93 | 78.80 |-| 32 / **64** | 62.36 / **62.49** | 55.43 / 55.36 | 60.70 / 60.71 | 55.99 / 56.00 | 77.30 / 77.89 |+## 关闭机制对照（T2EI_SMOOTH=0） -## 机制证据+γ=0 输出与父 21 程序输出**逐位相同**（.X 与 obsm array_equal，seed 0 实测），即新分支被干净短路。+父 21 A半 seed0 = 62.49（节点 21 METHOD 记录），本程序 γ=0 同一文件不再重复查分。 -1. 对照：T2EI_SEL=0 输出与父 19 程序输出逐位相同（.X、obsm array_equal），预期榜分 = 父 62.40±0。-2. 机制确实改变抽中细胞：22 个型-侧块全部被偏向（sel_biased_blocks=22），抽中细胞沿发育轴的带符号投影均值 +1.0~1.2σ（a 端偏大、b 端偏小，sel_z_mean_signed 记录在 stderr JSON）。-3. 四组分变化：cell_state +0.75、expression_change +0.58（组成/状态层面，符合预期方向）；shape_scale +0.31（噪声内）；local_spatial −1.28（抽中细胞集合改变使 OT 源点云不同，a/b 亚云配对略变差，neighborhood_mmd 0.0604→0.0599 基本持平，掉分主要来自 variogram/邻域构成）。-4. 与 PLAN 预期（cell_state≈56.8）不符的如实记录：本实现是节点16思路的重写（拿不到节点16代码），指数秩倾斜形式在 κ=16 时 cell_state 反降（54.42），κ 增大到 32–64 才转正且榜分与父持平略高（+0.09，小于 T2 噪声 ~1）。**组合净增益在噪声内，未达 PLAN 预期**；κ=4 附近还存在首版实现的方向 bug（b 端双重取反导致两端同向偏成熟，cell_state 46.76），已修复并如实记录。+## 网格与查分（proxy A半，共 10 次查分，余 2） -## 生物学依据与知识来源+seed 0（γ×k 六点 + 父值 62.49）： -无外部数据、无文献数值、无保留阶段信息。发育轴、投影、OT 目标全部由视图内两个括号阶段的表达/坐标/标签现场计算；t、t_draw、κ、ε 均为相对量或纯算法超参。"同一类型内细胞沿谱系进程存在成熟度梯度、中间时刻的群体应由两端中更靠近中间态的细胞组成"是不针对禁窗的通用发育生物学常识。+| γ\k | 5 | 10 |+|---|---:|---:|+| 0.25 | 62.58 | 62.66 |+| 0.5 | 62.65 | 62.76 |+| 0.75 | **62.81** | 62.63 | -## 验证与未验证+六点全部 ≥ 父；增益集中在 shape_scale（父 77.89 → 78.2–79.0）与 local_spatial（父 56.00 → 56.05–56.22），+expression_change / cell_state 逐位不变（60.71 / 55.36，符合"只动坐标位移场"的预期）。 -- 验证：seed 0 重跑逐位相同（确定性）；过 vec-check；对照与父逐位相同；只用相对时间差，无视图/绝对时间分支；运行 ~2s、内存远低于限额；单输入无括号时走父的 copy-latest 分支，成熟度选择与 OT 位移均不触发。-- 未验证：B 半分数与 seed 1/2（+0.09 在噪声内，B 半可能持平或略低于父）；真实 final 视图（阶段更大）的运行时间（已有 8000 下采样+分块防护）。+seed 1 / seed 2 复核（top2 + 对照）： -## 下一步建议+| 配置 | seed0 | seed1 | seed2 | 均值 |+|---|---:|---:|---:|---:|+| γ=0（父21） | 62.49 | 62.12 | 62.09 | 62.23 |+| **γ=0.75, k=5（提交）** | **62.81** | **62.46** | **62.17** | **62.48** |+| γ=0.5, k=10 | 62.76 | 62.46 | 62.06 | 62.43 | -- local_spatial 是本组合的主要代价：可在 OT 位移后按原坐标 kNN 轻微平滑，或让位移权重按型细胞数自适应，回收 1 分左右即稳超父。-- 成熟度轴可去噪（按型细胞数向全局轴收缩、或只用型内高变基因），κ=32–64 区间再细扫。+γ=0.75/k=5 在全部 3 个 seed 上都高于父对照（+0.32/+0.34/+0.08）。++## 机制证据（stderr JSON）++1. 实际平滑量：mean‖d_raw−d_smooth‖ = 36.2（k=5）/ 41.1（k=10）> 0，覆盖 22 个块、3381 个抽中细胞；+2. 只去高频：逐细胞位移方差和降到 0.62（γ=0.75,k=5）～0.82（γ=0.25,k=5），随 γ 单调降；各块位移均值几乎不动（mean_shift_l2 ≈ 2.6，而 |d_raw| 均值 ≈ 46，mean_l2_ratio ≈ 0.97）——不是向 0 收缩，方向与低频分量保留；+3. 分组变化与预期一致：shape_scale +0.6~1.1、local_spatial +0.05~0.22、表达两组逐位不变；+4. shape_scale 未跌破 75（PLAN 风险 1 的降 γ 触发条件未出现）。++## 已验证 / 未验证++- 已验证：γ=0 逐位对照；3 seed × top 配置的榜分一致性；seed0 双跑逐位确定；vec-check 通过；+  完整视图运行 ~16s / <1GB（limits 30min / 28GB 内）。+- 未验证：真实括号（E7.25+E8.0→E7.5 附近）上的效果——只在代理括号 E6.75+E8.0 上量过；+  γ>0.75 或 k>10 未扫（seed0 上 γ=0.75/k=5 与 γ=0.5/k=10 已是局部最优，γ=0.75/k=10 回落）；+  B半分数无法查询，+0.25（3 seed 均值）小于 T2 单 seed 噪声，但 3/3 seed、6/6 网格点方向一致。+- 单输入阶段退路：与父 21 相同（copy-latest 分层抽样），平滑/OT/偏向抽样均不触发，未改动该分支。+- 知识来源：无外部生物知识；全部统计量从视图输入现场计算，无硬编码。diff --git a/solution/README.md b/solution/README.mdindex bd600b3..5c4b60e 100644--- a/solution/README.md+++ b/solution/README.md@@ -6,5 +6,4 @@ t_draw = t^1.75（RMS/细胞数/对齐仍用真实 t）：proxy（E6.75+E8.0→E shape_scale 75.2→67.9。PLAN 指定的型均值收缩（T2EI_ALPHA）已实现但网格实测单调降分， 默认 α=0 提交；α=0 且 t_pow=1 时与父节点输出逐位相同。详见 METHOD.md。 -环境变量（提交默认已写死为选定值）：`T2EI_TPOW`(1.75)、`T2EI_ALPHA`(0)、-`T2EI_ALIGN`(procrustes3d)、`T2EI_DAMP`(0.5)。CPU 运行 ~2s（EXECUTION.json gpu:false）。+节点24：在父21基座上加 OT 位移场 kNN 低通平滑（`T2EI_SMOOTH`=0.75、`T2EI_SMOOTH_K`=5，γ=0 与父21逐位相同），A半 3 seed 均超父。环境变量（提交默认已写死为选定值）：`T2EI_TPOW`(1.75)、`T2EI_ALPHA`(0)、`T2EI_ALIGN`(procrustes3d)、`T2EI_DAMP`(0.60)、`T2EI_SEL`(64)、`T2EI_SMOOTH`(0.75)、`T2EI_SMOOTH_K`(5)。CPU 运行 ~16s（EXECUTION.json gpu:false）。详见 METHOD.md。diff --git a/solution/run.py b/solution/run.pyindex 6a5508e..f8e883d 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,5 +1,25 @@ #!/usr/bin/env python3-"""Node 21 (family T2EI-02): node-19 otpair OT coordinate displacement + maturity-biased draws.+"""Node 24 (family T2EI-02): node-21 base + kNN low-pass smoothing of the OT displacement field.++Shipped change (vs parent 21): before applying the otpair OT displacement, each+drawn cell's raw displacement d_raw = (Sinkhorn barycentric projection onto the+opposite stage's same-type cloud) - own coord is low-pass smoothed over its k+nearest neighbors in the PRE-displacement coordinate space, within the same+type-side block (deterministic stable argsort tie-break, k=min(k, n_block-1)):+d = (1-gamma)*d_raw + gamma*mean_neighbors(d_raw), then x += beta*w_side*d and+rescale to target_rms as in the parent. Shipped gamma=0.75 (T2EI_SMOOTH), k=5+(T2EI_SMOOTH_K); gamma=0 is bit-identical to parent 21 (verified array_equal on+.X and obsm). Proxy A-half board: seed0 62.49->62.81, seed1 62.12->62.46,+seed2 62.09->62.17 (gamma .75/k5 beats parent on all 3 seeds; grid gamma in+{.25,.5,.75} x k in {5,10} all >= parent on seed0). Gains concentrated in+shape_scale (77.9->79.0 seed0) and local_spatial (56.0->56.2); per-block+displacement means preserved (mean_shift_l2 ~2.6 vs |d| ~46), per-cell+variance cut to ~0.62: high-frequency tearing removed, low-frequency shape+correction kept. Expression/sampling untouched.++Node 21 docstring follows.++Node 21 (family T2EI-02): node-19 otpair OT coordinate displacement + maturity-biased draws.  Shipped change (vs parent 19): within the t_draw=t^1.75 stratified draw, each type-side block is sampled with an exponential rank tilt (kappa=64, env@@ -90,6 +110,8 @@ EPS_FRAC = float(os.environ.get("T2EI_EPS_FRAC", "0.05")) COORD_SHIFT = os.environ.get("T2EI_COORD_SHIFT", "true").strip().lower() not in {"0", "false", "no", "off"} SEL = float(os.environ.get("T2EI_SEL", "64")) SEL_MODE = os.environ.get("T2EI_SEL_MODE", "type")+SMOOTH = float(os.environ.get("T2EI_SMOOTH", "0.75"))+SMOOTH_K = int(os.environ.get("T2EI_SMOOTH_K", "5"))   def _alloc(labels: np.ndarray, n: int):@@ -221,6 +243,39 @@ def type_centroids(coords: np.ndarray, labels, min_n: int = MIN_TYPE_N) -> dict:     return out  +def _knn_smooth_field(pre: np.ndarray, d_raw: np.ndarray, k: int, gamma: float):+    """Low-pass smooth a per-cell displacement field over same-block kNN.++    Neighbors are the k nearest cells in the PRE-displacement coordinate space+    (within the same type-side block; deterministic: stable argsort keeps lower+    index first on distance ties). d_smooth_i = uniform mean of the k neighbors'+    d_raw; output d = (1-gamma)*d_raw + gamma*d_smooth. Returns (d, stats).+    """+    n = int(pre.shape[0])+    if n <= 2 or k <= 0 or gamma <= 0.0:+        return d_raw, None+    k_eff = int(min(k, n - 1))+    x = np.ascontiguousarray(pre, dtype=np.float64)+    s2 = (x * x).sum(1)+    D2 = s2[:, None] + s2[None, :] - 2.0 * (x @ x.T)+    np.maximum(D2, 0.0, out=D2)+    np.fill_diagonal(D2, np.inf)+    order = np.argsort(D2, axis=1, kind="stable")+    d_sm = d_raw[order[:, :k_eff]].mean(axis=1)+    d_out = (1.0 - gamma) * d_raw + gamma * d_sm+    stats = {+        "n": n,+        "k_eff": k_eff,+        "diff_l2_mean": float(np.linalg.norm(d_raw - d_sm, axis=1).mean()),+        "var_raw": float(d_raw.var(axis=0).sum()),+        "var_out": float(d_out.var(axis=0).sum()),+        "mean_l2_raw": float(np.linalg.norm(d_raw.mean(axis=0))),+        "mean_l2_out": float(np.linalg.norm(d_out.mean(axis=0))),+        "mean_shift_l2": float(np.linalg.norm(d_raw.mean(axis=0) - d_out.mean(axis=0))),+    }+    return d_out, stats++ MAX_OPP = 8000  @@ -274,6 +329,7 @@ def centroid_shift(coords: np.ndarray, labs_out: np.ndarray, ca, cb, labels_a, l     n_moved = 0     vec_norms = []     disp_norms = []+    smooth_stats = []     for lab in shared:         rows = np.flatnonzero(labs_out == lab)         if rows.size == 0:@@ -289,7 +345,11 @@ def centroid_shift(coords: np.ndarray, labs_out: np.ndarray, ca, cb, labels_a, l                     continue                 opp_coords = cb[opp] if opp is full_b else ca[opp]                 tgt = _sinkhorn_bary(coords[r], opp_coords, eps)-                step = w * (tgt - coords[r])+                d_raw = tgt - coords[r]+                d_use, sm_stats = _knn_smooth_field(coords[r], d_raw, SMOOTH_K, SMOOTH)+                if sm_stats is not None:+                    smooth_stats.append(sm_stats)+                step = w * d_use                 coords[r] = coords[r] + step                 n_moved += int(r.size)                 dnorm = np.linalg.norm(step, axis=1)@@ -324,6 +384,14 @@ def centroid_shift(coords: np.ndarray, labs_out: np.ndarray, ca, cb, labels_a, l         "shift_rms_before": rms_before,         "shift_rms_after": rms_after,         "shift_rms_rel_change": float(abs(rms_after - rms_before) / max(rms_before, 1e-9)),+        "smooth_gamma": SMOOTH,+        "smooth_k": SMOOTH_K,+        "smooth_blocks": len(smooth_stats),+        "smooth_cells": int(sum(s["n"] for s in smooth_stats)),+        "smooth_diff_l2_mean": float(np.mean([s["diff_l2_mean"] for s in smooth_stats])) if smooth_stats else 0.0,+        "smooth_var_ratio": float(np.sum([s["var_out"] for s in smooth_stats]) / max(np.sum([s["var_raw"] for s in smooth_stats]), 1e-12)) if smooth_stats else 1.0,+        "smooth_mean_shift_l2": float(np.mean([s["mean_shift_l2"] for s in smooth_stats])) if smooth_stats else 0.0,+        "smooth_mean_l2_ratio": float(np.mean([s["mean_l2_out"] / max(s["mean_l2_raw"], 1e-12) for s in smooth_stats])) if smooth_stats else 1.0,     }  

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

Done. Final state verified: `solution/run.py` defaults ship γ=0.75, k=5; output deterministic, `vec-check` ok, runtime ~16s CPU, γ=0 control bit-identical to parent 21.

**做了什么**：在父21（扭曲抽样+成熟度偏向+otpair OT坐标位移）基座上，按 PLAN 实现 OT 位移场的同型-同侧块内 kNN 低通平滑（预位移坐标、stable argsort 确定性平局、d=(1−γ)d_raw+γ·mean_kNN），提交 γ=0.75/k=5；γ=0 对照与父逐位相同。

**查分结果**（proxy A半，用 10/20 次）：seed0 网格 γ∈{.25,.5,.75}×k∈{5,10} 六点全部超父（62.58–62.81 vs 62.49），增益集中在 shape_scale（77.9→79.0）与 local_spatial；提交配置 3 seed 均超父对照（62.81/62.46/62.17 vs 62.49/62.12/62.09，均值 +0.25）。机制证据：mean‖d_raw−d_smooth‖≈36、位移方差降至 0.62、块均值几乎不动（非收缩）。未达 PLAN 的 >63.4 门槛——单 seed 增益小于 T2 噪声，但 3/3 seed、6/6 网格点方向一致，已如实写入 METHOD.md。

**下一步最值得试**：(1) 在此平滑基座上联扫 OT 参数（β 0.8/0.6、ε_frac 0.03/0.07），父 ANALYSIS 提示 cell_state 与 shape_scale 存在可交换空间；(2) 平滑改高斯核/距离加权或两轮迭代，可能进一步回收 local_spatial（仍是 <57 的最弱组之一）；(3) κ 与 γ 联扫（抽样改变 OT 源点云，两者不正交）。

调研员

缩邻域、shape 降），本方案不做收缩，只对 OT 位移场本身做低通平滑，属 T2EI-02 的保邻域版。",
 "approach": "保留父21全部管线（procrustes3d 对齐→t_draw=t^1.75 扭曲分层+κ=64 成熟度偏向抽样→t_eff=mid/damp=0.60 RMS 校准→otpair Sinkhorn OT 位移 β=1.0、ε_frac=0.05）。改动只在位移施加前：1) 对每个被抽中细胞先算出原始 OT 位移向量 d_raw（=对侧同型云 OT 重心投影 − 自身坐标，与父实现一致）；2) 在'预位移'坐标空间内、仅同型内取 k 近邻（确定性平局规则），d_smooth_i = 该 k 近邻 d_raw 的均匀均值（小样本型按 k=min(k, n_type−1) 截断）；3) 融合 d_final=(1−γ)d_raw+γd_smooth，再按父公式 x+=β·w_side·d_final、最后重缩放回 target_rms。γ=0 时 d_final≡d_raw，与父21逐位相同。环境变量：T2EI_SMOOTH=γ（默认0=关闭），T2EI_SMOOTH_K（默认10）。网格：γ∈{0.25,0.5,0.75} × k∈{5,10}，共6点+关闭对照。用 vec-score 先查 γ=0 对照确认=62.44，再 seed0 扫6点取榜分最高者；榜分需>63.4（超父+1，即超 T2 噪声）才用 seed1 复核该点，两 seed 均超父才提交。单输入阶段（无括号）走父的 copy-latest 分支，平滑与 OT、成熟度抽样均不触发，退路与父一致。运行耗时：kNN 仅对数千抽中细胞、每型独立，预计增量 <1s，总时长仍在 ~11s，30min/20查分内可完成约9次查分。",
 "expected_groups": ["local_spatial", "shape_scale"],
 "risks": "1) 过度平滑（γ→1 或 k 过大）会使位移场退化为按型近刚体平移，重蹈节点19测得的 translate 变体'近似中性'（shape 增益消失）——Engineer 若发现 shape_scale 明显低于75应立即降 γ/减 k，不要提交。2) 平滑可能也压低 d2_shape 改善、使 shape_scale 回落到 ~70：以榜分而非单组为准，只要 local_spatial 回收且榜分净升即可。3) 与节点22混淆的风险：本方案平滑的是 OT 位移场（保 OT 方向、只去高频），不是把坐标移向表达近邻质心；若 stderr 显示'位移均值被显著拉向0'说明写成了收缩，需自查。4) 小样本型 kNN 邻居不足导致平滑无效：用 sel 块大小诊断，必要时对小型跳过平滑（等价 γ=0）。5) 单 seed 榜分不可靠（父21 ANALYSIS 教训），务必 seed0+seed1 双查、以榜分为准。",
 "family_id": "T2EI-02",
 "mechanism": "对每细胞 OT 位移向量在预位移坐标的同型 kNN 域内做低通（均值）平滑再施加，去除位移场高频撕扯、保住局部邻域，同时保留驱动形状校正的低频分量。",
 "vs_constant_shift": "常数位移对整型施加同一向量=刚体平移，无法逐细胞校正、也改变不了 d2_shape；本方案位移方向与幅度仍来自逐细胞 OT 配对，平滑只是把高频分量滤掉、低频(逐型均值)保留，γ=0 即回到逐细胞 OT，不是给每型加常数向量，也不是全局组成重加权。",
 "mechanism_evidence": "stderr 输出：(a) 实际平滑量 mean‖d_raw−d_smooth‖>0 且随 γ 单调增；(b) 位移场逐细胞方差下降、各型位移均值基本不变（证明只去高频、保低频）；(c) local_spatial 子指标（neighborhood_mmd/variogram）较父改善；(d) d2_shape、occupancy_dice 相对父保持（shape_scale 不塌）；(e) 四组分变化：预期 local_spatial +1~2、shape_scale ≥75、cell_state/expression_change 在噪声内（因抽样与表达未动）。",
 "mechanism_off_control": "同一程序置 T2EI_SMOOTH=0：d_final≡d_raw，新代码被短路，输出 .X 与 obsm 应与父21 array_equal（逐位相同），榜分=62.44±0；任何偏离说明平滑分支未真正关闭或触碰了抽样/表达路径。",
 "sources": []}
```

审查员

REVIEW.json written