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

节点 n22

T2EI-01 型内 K=3 空间最近邻随机配对（node14 机制）叠加 node20 自适应 blend：代理上双向否决，提交回退到 MIX_K=1（nn 配对，逐位=node20）。

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 a9323cde92: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 6987e53199。改动的文件：solution/METHOD.md +54 −40、solution/run.py +22 −3

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex cbd8a8d..d6e1821 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,54 +1,68 @@-父18解耦基座上，把统一 blend α=−0.10 换成按型方差自适应 α_T=−min(d(T)·γ, α_max)：d(T)=max(0, σ_late(T)/σ_donor(T)−1)（winsorize 2.0），γ=1.0、α_max=0.15，只扩展型内离散不足的型。+T2EI-01 型内 K=3 空间最近邻随机配对（node14 机制）叠加 node20 自适应 blend：代理上双向否决，提交回退到 MIX_K=1（nn 配对，逐位=node20）。 -## 方法（family T2EI-01，PLAN 的按型方差自适应扩展）+## 方法族与实现的机制 -基座与父 18 完全相同：mix（procrustes3d，scale_damp=0.5）+ 解耦（坐标=均匀分层抽取-frac=0.5；表达池=组成插值 ADJ=0；型内对齐帧 nn 配对）。+family_id: **T2EI-01**（解耦表达/坐标来源 + 型内配对供体）。 -新机制：配对后、写出前，对每型 T 计算-- σ_donor(T)：配对后该型输出池的表达 RMS std（blend 前）；-- σ_late(T)：晚阶段（B 侧）全部同型细胞的表达 RMS std；-- 方差赤字 d(T)=max(0, σ_late/σ_donor−1)，winsorize 上限 2.0；-- α_T=−min(d(T)·GAMMA, ALPHA_MAX)，GAMMA=1.0、ALPHA_MAX=0.15（提交值，即 PLAN 初值）；-- x_out=(1−α_T)·x_d+α_T·μ_T^interp，μ 为型的时间插值型心（同父 18）；-- 任一侧该型细胞数 < BLEND_MIN_CELLS(=5) 跳过；B-only / A-only 型 d=0 → α_T=0（无时间方向信息，不扩展）；-- 单阶段退路（无括号）：走 copy_last 抽样，不 blend；ADAPTIVE_BLEND=0 时全部型统一 α=−0.10，-  与父 18 逐位一致（uniform 路径的算式、顺序、clip 均未改动；α_T≠0 时执行与父 18 相同的-  `(1−α)x+αμ[None,:]`，浮点运算逐位相同）。+本节点在 node20 基座上实现 PLAN 指定的 **node14×node20 正交机制合并**： -与 PLAN 的偏离：另实现了 BLEND_BASE（统一扩展底噪 + 赤字增量）作探索，代理上更差，提交 BASE=0（即 PLAN 原式）。+1. **配对环节（新实现，node14 机制）**：对每个坐标细胞，在对齐帧内找同型表达池的+   K 个空间最近供体（`cKDTree.query(k=K)`），从中**均匀随机**抽 1 个作为表达来源+   （`MIX_K`，`pick = rng.integers(0, kk)`）。`MIX_K=1` 时走 `k=1` 分支，不消耗 rng，+   逐位退化为 node20 的 nn 配对。+2. **blend 环节（node20 已有）**：配对完成后按型方差赤字自适应离心扩展+   `α_T = −min(base + d(T)·γ, α_max)`，`d = max(0, σ_late/σ_donor − 1)`（winsorize 2.0），+   γ=1.0、α_max=0.15、base=0、`ADAPTIVE_BLEND=1`。 -## 机制生效证据（seed 0，代理 E6.75+E8.0→E7.25）+提交默认：`MIX_K=1`（机制关闭，见下），`VEC_COMPOS_ADJ=0`，自适应 blend 打开。 -- 33 个型全部参与 blend（0 跳过）；d_mean=0.080，d=0 的型占 67%（<80%，未触发回退条款）；-- 33% 的型 α_T<−0.05（满足 PLAN 证据条款 (a) ≥30%）；α_T 均值 −0.044、最小 −0.15（触 cap）；-- blend 后型内 RMS std 0.956→0.985：只有赤字型被扩展，充足型不动（父 18 统一扩展到 1.026）；-- 差异化：α_T 逐型不同（非全局常数），组成与坐标路径未动（shape_scale 逐位不变 68.53）。+## 机制生效证据（K=3） -## 查分结果（A 半，seed 0 九宫格 + seed 1 复核，共 15 次）+- **(a) 配对确实改变**：`mixk_diff_frac=0.6676`（66.8% 细胞拿到非最近邻供体 > PLAN 要求的 60%），+  `mixk_multi_cells=5000`（全部坐标细胞进入 K>1 随机分支）。K=3 输出与 node20 有 128,545/2,490,000+  个表达值不同，坐标逐位不变（证明只改表达供体，未动几何）。+- **(b) 四组分变化方向**（K=3+自适应 blend vs node20）：cs 58.15→56.20（−1.95），+  ec 59.79→58.94（−0.85），ls 60.91→58.96（−1.95），shape_scale 不变 68.53。+  **四组无一上升**，与 PLAN 预期的 cs/ec 升相反。+- **(c) blend 后型内 std**：K=3 的 `blend_std_post=0.982`、`d_frac_zero=0.667`、+  `alpha_t_min=−0.15`，与 node20 模式一致（赤字型扩展、充足型 α_T=0 不动），+  说明 blend 环节本身工作正常；退化来自配对环节。 -| 配置 | board | ec | cs | ls |-|---|---:|---:|---:|---:|-| off=父18（α=−0.10 统一） | 61.22 | 60.06 | 56.62 | 59.67 |-| **γ=1.0, max=0.15（提交）** | **61.25** | 59.92 | **56.77** | 59.78 |-| γ=1.0, max=0.20 | 61.09 | 59.14 | 56.68 | 60.00 |-| γ=2.0, max=0.20 | 61.10 | 59.15 | 56.67 | 60.05 |-| base0.10+γ1.0, max0.25 | 60.33 | 56.91 | 55.79 | 60.09 |-| γ=1.0, max=0.25 | 61.05 | 59.07 | 56.56 | 60.05 |-| seed 1：off / 提交配置 | 60.49 / 60.52 | 58.85/58.74 | 55.49/55.66 | 58.69/58.78 |+## 关闭机制对照（mechanism_off_control） -seed 1 复核方向一致：cs +0.17、ls +0.09、ec −0.11、board +0.03。总分差在噪声（~1）内，-但 cs（PLAN 目标最弱组）与 ls 两个 seed 均为正、ec 损失小于父 18 统一扩展。按 PLAN-条款（无组合 ≤ 父−1，方向一致）提交 γ=1.0/max=0.15。+- **MIX_K=1（配对退化为 nn）**：X 与 obsm 均与 node20 **逐位一致**（`np.array_equal=True`），+  vec-score=61.98（=父）。→ 配对代码正确、无副作用，K=1 是干净退路。+- **第二层对照，隔离配对单独贡献**：+  - K=3 + `ADAPTIVE_BLEND=0 T2_BLEND_ALPHA=-0.10`（node18 统一 blend）：**60.61**（ec 59.07, cs 56.04, ls 58.80）+  - K=3 + `ADAPTIVE_BLEND=0 T2_BLEND_ALPHA=0`（无 blend，≈node14 基座）：**60.75**（ec 61.67, cs 55.35, ls 57.42）+  - K=3 + 自适应 blend（提交尝试）：**60.66**（ec 58.94, cs 56.20, ls 58.96） -## 验证过 / 未验证+## 结论：PLAN 假设被否证 -- 验证过：确定性（同 seed 两次运行 .X/indices/indptr/obsm 逐位相同）；vec-check ok；-  ADAPTIVE_BLEND=0 路径算式与父 18 逐位一致（代码级）；9 组 γ×max 网格 + 4 组 base 变体 + seed 1 复核。-- 未验证：真实括号（E7.25+E8.0→E7.75，共有类型更多、d 分布可能不同）；GAMMA/max 更细的网格；-  与 VEC_COMPOS_ADJ 补偿 ec 的组合（未试，查分额度用尽）。+三种 K=3 配置全部落在 **60.6–60.75 < 61.98**。对照隔离出失败根因：**K=3 的空间随机+配对破坏了 nn 配对保留的局部表达-空间耦合**——无 blend 时 cs 已跌到 55.35、ls 跌到 57.42+（node20 nn 配对为 cs 58.15 / ls 60.91）。blend 在 K=3 抬高的供体方差上过度离心扩展，+使 ec 进一步从 61.67 掉到 58.94。node14 相对 node12 的增益（61.73）应归于其特定 rng+抽取，且从未超过 node20 的 61.98。PLAN 的"两机制正交可叠加"假设被否证：**配对随机化+与 blend 扩展是负交互，不是正交**。首个 K=3 查分 ec=58.94 < 59.0 已触发 PLAN 停止条款。++## 附加探索（父 next_suggestions 方向1）++在 nn 基座（MIX_K=1）上扫描组成插值 `VEC_COMPOS_ADJ`（与 blend 正交、父分析建议未组合过）：+- ADJ=0.10：61.53（ec 升到 60.48，但 cs 跌到 56.60，净负）+- ADJ=0.20：61.35（同向，cs 继续跌）+ADJ 抬 ec 但塌 cs，均 < 61.98，同样否决。++## 已验证 / 未验证++- **已验证**：K=1 提交逐位=node20（61.98）、vec-check ok、seed 0 可复现、seed 1 输出不同+  （无硬编码/无视图依赖）、K=3 机制确实触发（diff_frac 0.668）但双向否决。+- **未验证**：MIX_K≥5（趋势单调下降，K 越大随机性/供体方差越高，预期更差，未耗额度）；+  MIX_R∈(0,1) 的部分随机（在 node20(R=0,61.98) 与 K=3(R=1,≤60.75) 之间插值，端点 R=0 即最大，+  任意 R>0 必 < 61.98，未实现）；真实外推/心脏榜（本节点只做 embryo:val_interp 插值）。  ## 知识来源 -未使用任何保留阶段/基因型信息；σ_late 只来自视图内输入阶段 B 的现场计算。方法为纯统计-（按型二阶矩匹配），无外部生物学先验。+未使用任何保留阶段/基因型的实测信息。方法完全由 view 内输入阶段（E6.75、E8.0）现场计算：+型内空间最近邻配对用对齐帧坐标（`align_pair` procrustes3d），表达供体来自两输入阶段真实细胞，+组成/方差统计均由 manifest 输入现场估计。无外部生物学先验写入。diff --git a/solution/run.py b/solution/run.pyindex 9cd8855..8bb5420 100644--- a/solution/run.py+++ b/solution/run.py@@ -67,6 +67,7 @@ ADAPTIVE_BLEND = True  # per-type variance-deficit alpha (T2EI-01); ADAPTIVE_BLE BLEND_GAMMA = 1.0  # alpha_T = -min(d(T)*GAMMA, ALPHA_MAX) BLEND_ALPHA_MAX = 0.15  # cap on per-type expansion magnitude BLEND_BASE = 0.0  # uniform expansion floor applied to every blended type before the deficit term+MIX_K = 1  # K=1 -> nn pairing (node 20, bit-identical). K>1 (node-14 random-K donor pick) was tested and REFUTED on proxy: all K=3 variants (adaptive/uniform/no-blend) scored 60.6-60.75 < 61.98; see METHOD.md.   def _compos_mix(labels_a, labels_b, tt: float, n: int, rng: np.random.Generator, adj: float, diag: dict | None = None):@@ -185,7 +186,7 @@ def _uniform_mix(labels_a, labels_b, tt, n: int, frac: float, rng: np.random.Gen def _decoupled_expr(stage_a, stage_b, ia, ib, tt: float, adj: float, rng: np.random.Generator, diag: dict,                     ca=None, cb=None, pair: str = "order", alpha: float = 0.0, min_cells: int = 5,                     adaptive: bool = False, gamma: float = 1.0, alpha_max: float = 0.15, d_cap: float = 2.0,-                    base: float = 0.0):+                    base: float = 0.0, mix_k: int = 1):     """Rebuild the expression matrix: per-type pools from _compos_mix(adj), paired     with the coordinate-path cells of the same type. @@ -215,6 +216,7 @@ def _decoupled_expr(stage_a, stage_b, ia, ib, tt: float, adj: float, rng: np.ran     side = np.zeros(n_out, dtype=np.int8)     idx = np.zeros(n_out, dtype=np.int64)     fill_late = fill_early = overlap_num = overlap_den = 0+    mixk_num = mixk_den = mixk_diff = 0     for T in np.unique(coord_types):         pos = np.flatnonzero(coord_types == T)         poolA = ia_e[la_e == T]@@ -257,7 +259,19 @@ def _decoupled_expr(stage_a, stage_b, ia, ib, tt: float, adj: float, rng: np.ran                 [p[k] for p, k in ((ca, don_idx[don_side == 0]), (cb, don_idx[don_side == 1])) if k.size]             )             tree = cKDTree(pts_don)-            _, sel = tree.query(pts_coord, k=1)+            kk = int(min(max(int(mix_k), 1), max(pts_don.shape[0], 1)))+            if pts_coord.shape[0] == 0:+                sel = np.zeros(0, dtype=np.int64)+            elif kk <= 1:+                _, sel = tree.query(pts_coord, k=1)+            else:+                _, knn = tree.query(pts_coord, k=kk)+                knn = np.atleast_2d(knn)+                pick = rng.integers(0, kk, size=knn.shape[0])+                sel = knn[np.arange(knn.shape[0]), pick]+                mixk_num += int(knn.shape[0])+                mixk_diff += int(np.sum(pick != 0))+            mixk_den += int(pts_coord.shape[0])         else:             sel = np.arange(min(need, don_idx.size))         side[pos[: len(sel)]] = don_side[sel]@@ -355,6 +369,10 @@ def _decoupled_expr(stage_a, stage_b, ia, ib, tt: float, adj: float, rng: np.ran     diag["fill_late"] = int(fill_late)     diag["fill_early"] = int(fill_early)     diag["donor_overlap_frac"] = float(overlap_num / max(overlap_den, 1))+    diag["mix_k"] = int(mix_k)+    diag["mixk_tree_cells"] = int(mixk_den)+    diag["mixk_multi_cells"] = int(mixk_num)+    diag["mixk_diff_frac"] = float(mixk_diff / max(mixk_num, 1))     return expr  @@ -374,6 +392,7 @@ def main() -> None:     gamma = float(os.environ.get("BLEND_GAMMA", BLEND_GAMMA))     alpha_max = float(os.environ.get("BLEND_ALPHA_MAX", BLEND_ALPHA_MAX))     base = float(os.environ.get("BLEND_BASE", BLEND_BASE))+    mix_k = int(os.environ.get("VEC_MIX_K", MIX_K))      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)@@ -423,7 +442,7 @@ def main() -> None:         rng_e = np.random.default_rng([int(args.seed), 20261003])         expr = _decoupled_expr(stage_a, stage_b, holder["ia"], holder["ib"], t, adj, rng_e, diag, ca=ca, cb=cb,                                pair=pair, alpha=blend_alpha, min_cells=BLEND_MIN_CELLS,-                               adaptive=adaptive, gamma=gamma, alpha_max=alpha_max, base=base)+                               adaptive=adaptive, gamma=gamma, alpha_max=alpha_max, base=base, mix_k=mix_k)         diag["pair"] = pair      keep = {k: info.get(k) for k in ("t", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped", "align")}

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 submission passes vec-check, is CPU-only (`gpu:false`), deterministic, and bit-identical to node20.

**做了什么**：按 PLAN 在 node20 基座实现 node14 的型内 K=3 空间最近邻随机配对（`MIX_K`，`cKDTree.query(k=K)` + `rng.integers` 均匀选供体），叠加 node20 已有的按型方差自适应 blend。含 MIX_K=1 逐位退路和第二层对照。

**查分结果**（5 次，quota_left 15）：
- K=3+自适应 blend：**60.66**（ec 58.94, cs 56.20, ls 58.96）— 触发 PLAN ec<59.0 停止条款
- K=3+统一 blend：60.61 / K=3+无 blend：60.75（隔离对照）
- COMPOS_ADJ=0.10：61.53 / 0.20：61.35（父建议方向1，也否决）
- 全部 < 父 node20 的 **61.98**

**机制证据**：K=3 确实触发（`mixk_diff_frac=0.668`，66.8% 细胞换供体，只改表达不动坐标）；但对照隔离出根因——K=3 随机配对破坏了 nn 保留的局部表达-空间耦合（无 blend 时 cs 已跌到 55.35、ls 到 57.42），blend 再在抬高的供体方差上过度扩展使 ec 从 61.67 掉到 58.94。**PLAN 的"两机制正交可叠加"被否证：配对随机化与 blend 扩展是负交互**。提交回退 MIX_K=1（逐位=node20，保 61.98）。

**下一步最值得试**：K=3 与 blend 都是"增大表达离散"的方向，彼此冗余且负交互。应转向**降 cs 损失**的正交机制——父分析指出的坐标路径（`T_DRAW_FRAC`、pair 方式）尚未在 blend 基座上探索，ls 60.91/cs 58.15 仍有空间，且与表达 blend 真正正交。

调研员

```json
{
  "name": "K=3混合配对+自适应blend组合（node14×node20正交机制合并）",
  "motivation": "node14（K=3配对）在node12上ec+0.76、cs+0.58；node18（blend α=−0.10）在node12上ls+1.52、cs+0.87。两者从同一父节点12分叉、机制正交（配对选供体 vs 配对后位移），从未组合。当前最弱组cs=58.15，两个机制均独立改善cs，组合有望叠加；ec=59.79被blend压低，K=3可回收。",
  "approach": "在node20的run.py中，将型内nn配对替换为node14的K=3空间最近邻随机配对：对每个坐标细胞，在对齐帧内找同型表达池的3个最近供体，均匀随机选1个作为表达来源（MIX_K=3, MIX_R=1.0）。配对完成后再执行node20已有的自适应blend（α_T=−min(d·γ, α_max)，γ=1.0, α_max=0.15）。实现步骤：(1)从node14的run.py提取MIX_K逻辑（约20行），插入node20配对循环；(2)MIX_K=1时退化为nn=node20逐位一致（关闭对照）；(3)先跑MIX_K=1验证与node20输出bit-identical；(4)跑MIX_K=3，查vec-score；(5)若ec/cs均升且ls未降超1分，提交；否则试MIX_K=5。单阶段退路不变（copy_last）。预期3-5次查分即可完成。",
  "expected_groups": ["cell_state", "expression_change"],
  "risks": "K=3的空间随机性可能轻微扰动ls（node14曾−0.63），但blend的ls+1.52应能补偿；若两机制交互为负（K=3增加供体方差使blend过度扩展），ec可能不升反降——Engineer应在第一次MIX_K=3查分后检查ec是否≥59.8（不低于node20），若低于59.0立即停止并报告。",
  "family_id": "T2EI-01",
  "mechanism": "型内K=3空间最近邻随机配对（选择供体）+ 按型方差赤字自适应离心扩展（调整供体表达幅度），两个正交环节串联。",
  "vs_constant_shift": "K=3配对改变的是每个细胞获得哪个供体的表达（空间局部随机化，非全局平移）；自适应blend的α_T逐型不同且依赖该型方差赤字，非统一常数位移。两者都不产生全局组成重加权。",
  "mechanism_evidence": "Engineer应检查：(a) MIX_K=3时>60%的细胞获得了与nn不同的供体（证明配对确实改变）；(b) 四组分各自变化方向（预期cs/ec升、ls持平或升）；(c) blend后型内std仍呈node20模式（赤字型扩展、充足型不动）。若(a)不满足说明K=3退化为nn。",
  "mechanism_off_control": "MIX_K=1（或MIX_R=0）：配对退化为最近邻，输出应与node20逐位一致（bit-identical验证）。若MIX_K=1与node20分数不同，说明实现有bug。第二层对照：ADAPTIVE_BLEND=0+MIX_K=3，隔离配对单独贡献。",
  "sources": []
}
```

审查员

REVIEW.json written