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

节点 n18

在 mix 上实现 T2HI-05 型内径向尺度插值（型内径向 RMS 按 t 插值，s=(r_t/r_out)^strength 径向缩放坐标）；5 档全低于关闭对照，按止损以 strength=0 提交，与父节点逐位相同。

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 119eb56d2e: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 7c5a1fbaee。改动的文件：solution/METHOD.md +35 −26、solution/run.py +109 −0

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex d91e800..1bef6d2 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,41 +1,50 @@-在 mix（节点2）上实现型×基因时间趋势位移（同名/伪批量相关配对+全局回退，±0.5SD 裁剪）；6 档强度全部低于关闭对照，按 PLAN 止损条款以 trend=0（与父节点逐位一致）提交。+在 mix 上实现 T2HI-05 型内径向尺度插值（型内径向 RMS 按 t 插值，s=(r_t/r_out)^strength 径向缩放坐标）；5 档全低于关闭对照，按止损以 strength=0 提交，与父节点逐位相同。 -## 方法+## 方法族与机制 -基线 = 父节点2 的 `mix`（align=procrustes, scale_damp=1）：取目标前后最近两个输入括号，两朵云对齐并缩放到 log 线性 RMS，按 (1−t, t) 分层抽真实细胞，表达坐标一起走。+- family_id: T2HI-05（mix 基线 + 型内径向尺度插值修正 shape_scale）。+- 机制：对每个输出细胞型，在两个括号输入阶段的对齐+目标 RMS 缩放帧（与 mix 内部完全相同的 `align_pair` + `scale_to_rms`，procrustes、保 z）里计算该型细胞到型心的径向 RMS r_a、r_b；目标 r_t=(1−t)·r_a+t·r_b（仅一侧有该型时退化为该侧值）；在输出云中计算该型到输出型心的径向 RMS r_out，缩放因子 s=(r_t/r_out)^strength，裁剪到 [1−clip, 1+clip]；每个细胞 new_pos = c_out + (pos−c_out)·s（纯径向，中心不动、边缘最多）。表达、细胞数、类型组成完全不动。与常数位移的区别：位移=(s−1)×径向向量，逐型独立。+- 输出细胞来源用 `mix_indices` 以同一 `default_rng(params["seed"])` 重放（沿用节点12 验证过的做法），断言 `len(ia)==n_from_a`，把型标签落到正确行。+- 单输入（无括号）退路：与父节点相同，直接分层抽样输出，不做任何校正。+- 所有时间量都用 manifest 的相对时间（t 来自括号），无绝对时间、无视图相关分支。 -在此之上实现了 PLAN 指定的家族机制 T2HI-01（`--trend` / `--clip` / `--pair-r` 开关）：+## 关闭对照（mechanism_off_control） -1. 细胞型跨阶段配对：同名型直接配；非共有型用两阶段伪批量均值（500 基因）的 Pearson 相关取最优，阈值 r≥0.6；配不上的型回退到全局伪批量均值差。-2. 每（型,基因）斜率 m = mean_paired − mean_own；对每个抽中细胞按来源阶段取带符号几何时间分数：早阶段 α=t（前推）、晚阶段 α=t−1（回拉），delta = α·trend·m。-3. 裁剪：|delta| ≤ clip × 该型该基因在来源阶段的细胞级 SD（默认 clip=0.5）。-4. 坐标、细胞数、分层抽样完全不动；单输入（无括号）沿用父回退且不做位移。-5. 来源阶段复原：用同一 `default_rng(seed)` 重放 `mix_indices`（它是 interpolate 里第一个 rng 消费者），并断言 `len(ia)==info["n_from_a"]`，不一致即报错，保证位移落在正确的行上。+`--strength 0` ⇒ s^0=1 ⇒ 所有坐标不动。实测与父节点12 默认输出**逐位相同**（X 与 spatial_3D 均 `np.array_equal`，seed 0，proxy 视图）。父的趋势位移机制也保留为 `--trend`（默认 0，节点12 已证伪）。 -## 对照与证据（proxy, seed 0）+## 机制生效证据（proxy：E8.25+E9.5→E8.75，t=0.4，n=17616） -- 关闭对照（`--trend 0`）与父节点2 输出**逐位相同**（X 与 spatial_3D 均 `np.array_equal` True），位移逻辑不泄漏到抽样/坐标；预期分 59.50。-- 机制生效证据（trend=1, clip=0.5）：89.1% 细胞拿到型特异斜率（其余走全局回退）；54.2% 的表达值被改变，mean|delta|=0.115；早/晚来源阶段 α 符号相反（+t vs t−1）；坐标逐位不变。+- 全部 50 个型被校正，17616 个细胞全部移动；s 均值 0.973–0.993（<1：输出型内云比时间插值目标更弥散，因为 procrustes 只有 5 个共有型，两侧同名型的型心未完全对齐，合并后围绕联合型心的径向 RMS 被抬高），s 的 min/max 大量触及裁剪边界（0.8/1.2 到 0.95/1.05），机制确有空间、并非空转。+- 全局 out_rms 不变（346.33，径向缩放绕各型心、不改变型心布局）。+- 坐标最大位移：clip0.05→36、clip0.10→72、clip0.20→125（微米级，真实移动）。 -## vec-score 网格（A 半；父=59.50：cell_state 66.70 / expr_change 63.90 / local 54.03 / shape 53.37）+## 查分结果（vec-score，A 半，共 5 次，余 15） -| 配置 | 榜分 | expr_change | cell_state | local | shape |+| 配置 | 榜分 | shape_scale | local_spatial | cell_state | expr_change | |---|---:|---:|---:|---:|---:|-| trend1 clip0.5 | 55.49 | 66.84 | 53.50 | 49.30 | 52.33 |-| trend0.5 clip0.3 | 56.88 | 65.51 | 57.79 | 51.14 | 53.07 |-| trend0.3 clip0.5 | 57.54 | 65.72 | 59.58 | 51.81 | 53.07 |-| 仅早侧位移 trend1 | 56.78 | 64.33 | 61.86 | 48.96 | 51.97 |-| 仅晚侧位移 trend1 | 57.54 | 67.37 | 57.38 | 52.35 | 53.07 |-| trend0.2 clip0.2 | 57.88 | 64.66 | 61.35 | 52.42 | 53.07 |+| 父（strength=0） | 59.50 | 53.37 | 54.03 | 66.70 | 63.90 |+| s=1.0, clip=0.05 | 58.96 | 52.65 | 53.42 | 65.93 | 63.83 |+| s=0.5, clip=0.05 | 58.99 | 52.72 | 53.49 | 65.93 | 63.83 |+| s=1.0, clip=0.10 | 59.06 | 52.95 | 53.55 | 65.93 | 63.83 |+| s=1.5, clip=0.20 | 58.93 | 52.42 | 53.53 | 65.93 | 63.83 | -结论：expression_change 随强度单调上升（至 +3.5），但 cell_state（mmd_u）与 local_spatial（neighborhood_mmd）下降更快，榜分随 trend→0 单调回到 59.5。PLAN 风险①兑现——mix 基线的 expr_change 已 63.9（节点7 基线仅 44.3），真实中间态细胞本身已编码目标时间的表达，逐型常数位移把细胞推离真实流形，得不偿失。按 PLAN 的止损条款，提交版本默认 `TREND=0`（行为=父节点），机制代码保留、开关可用。+四组分开看：目标组 shape_scale 全线下滑（53.37→52.4–53.0，d2_shape 0.041→0.043、occupancy_dice 0.835→0.831、scale_log_ratio 0.467→0.445–0.455——注意 out_rms 逐位不变而 scale_log_ratio 仍变，说明它含抽样/型内成分或评分噪声）；local_spatial 也降（54.03→53.4–53.6，径向收缩破坏型内局部结构）；cell_state/expression_change 在 X 逐位不变下从 66.70/63.90 变为 65.93/63.83，且 4 个不同坐标的配置给出完全相同的值——这是评分器抽样噪声（约 ±0.8），不是机制效果，但也说明小幅榜分差不能全信。 -## 未验证 / 风险+## 结论与止损 -- 位移在 final 括号（31 个共有型、t=0.5）上未验证；proxy 结论（基线 expr_change 已高）在 final 上大概率同样成立，但型特异覆盖会更高，若未来节点想重试，建议 trend≤0.3 且先查一次分。-- shape_scale 在表达被改动的配置下也小幅波动（51.97–53.07 vs 53.37），尽管 d2_shape/occupancy/scale_log_ratio 三项指标逐位不变，说明该组还依赖表达；未深究。-- proxy 上 out_rms=346 vs 参考 RMS 更小（scale_log_ratio 0.467）是 shape_scale 的主要短板，但两端 RMS 都大（354/335），任何尺度阻尼都需外推 damp≫1，在 final（354→217 括号）上方向不可验证，未尝试（PLAN 明确本轮不修 shape）。+假设在 proxy 上证伪：型内径向尺度校正的收缩方向（s<1）把细胞推向型心，d2_shape/occupancy/邻域全变差；强度、裁剪单调地越弱越接近基线，无任何配置 ≥ 基线+1。按 PLAN 止损条款以 strength=0 提交（与父节点12 逐位一致，预期 59.50）。++## 验证过 / 没验证++- 验证过：strength=0 逐位对照（X+坐标）；5 档配置的 proxy 查分；vec-check 通过；运行时 ~2.2s、内存远低于上限；确定性（所有 rng 以 seed 播种，校正本身无随机）。+- 没验证：final 视图（354→217 括号，型内尺度差更大，机制方向可能不同，但 proxy 上收缩方向已明确有害，未冒险）；proxy2 不适用（本节点板为 T2:heart:val_interp，单视图）；strength>2 或负 strength（膨胀方向，与机制假设相反）；各向异性/按轴缩放（节点17 已在 proxy 证伪）。  ## 知识来源 -仅通用机制知识：伪批量均值差近似细胞型的时间趋势、Pearson 相关做型配对、log1p 表达上加性位移后截断到 ≥0。未使用任何保留阶段/基因型的测量信息；程序只读 manifest 的相对时间，对时间平移不变（t、α 均为差值之比）。+未使用任何保留阶段/基因型的测量信息；未使用文献数值。仅用了 mix 管线已有的通用几何操作（型心、RMS、procrustes 对齐），全部从视图数据现场计算。++## 给后续节点++- shape_scale 的 scale_log_ratio 短板是全局 out_rms（346 vs 真实 E8.75 的 217）问题，型内径向缩放改不了全局 RMS（绕型心缩放保持型心布局），这条路线在 proxy 上走不通；要动 out_rms 只能改全局 scale_damp/目标 RMS，但方法卡已注明代理两端都大、验证不了。+- 评分器对 X 逐位相同的预测给出过 66.70 与 65.93 两个 cell_state 值（不同坐标文件），榜分噪声约 ±0.5–0.8，小于 1 分的差异不要当作机制效果。+- 型内径向收缩与节点15/17 的 kNN 平滑方向相反（一个散开一个致密）：17 的致密化 +6.37 local_spatial，本节点的收缩 −0.5，进一步支持"局部致密化有效、去弥散有害"。diff --git a/solution/run.py b/solution/run.pyindex 89837f2..e42820a 100644--- a/solution/run.py+++ b/solution/run.py@@ -25,6 +25,18 @@ stage. Coordinates, cell counts and composition are untouched. output bit-for-bit. Single input (no bracket): parent fallback, no displacement (alpha undefined). All times used are relative (from the manifest); behaviour is invariant to a uniform time shift of the view.++On top of that (T2HI-05, off by default): ``--strength > 0`` applies a+per-type radial scale correction to the mixed coordinates. For each cell type,+the within-type radial RMS (distance to the type centroid) is interpolated in+time from the two bracketing stages (r_t = (1-t) r_a + t r_b, measured in the+aligned, target-RMS-rescaled frames the mix itself uses), and every output+cell of that type is moved radially around the output type centroid by+s = (r_t / r_out) ** strength, clipped to [1 - scale_clip, 1 + scale_clip].+Expression, cell counts and composition are untouched. ``--strength 0``+leaves s == 1 and reproduces the parent output bit-for-bit; all proxy+configurations tried scored below the strength=0 baseline (see METHOD.md), so+the shipped default keeps the correction off. """  from __future__ import annotations@@ -35,6 +47,7 @@ import sys  import numpy as np +from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms from src.task2_spatial.methods import interpolate from src.task2_spatial.sample import mix_indices, take from src.task2_spatial.shift import type_means@@ -47,6 +60,79 @@ CLIP = 0.5 # below the no-displacement baseline on every configuration tried, so the # shipped default keeps it off (--trend > 0 re-enables the family mechanism). TREND = 0.0+# Per-type radial scale correction (T2HI-05): strength 0 reproduces the parent+# output bit-for-bit (s**0 == 1 leaves every coordinate untouched).+STRENGTH = 0.0+SCALE_CLIP = 0.10+++def _radial_rms(points: np.ndarray) -> float:+    """RMS distance of points to their own centroid."""+    if len(points) == 0:+        return float("nan")+    x = points - points.mean(axis=0)+    return float(np.sqrt((x * x).sum(axis=1).mean()))+++def _radial_scale_correct(coords, out_labels, ca, cb, labels_a, labels_b,+                          t, strength, clip, min_cells=2):+    """Per-type radial scale interpolation (T2HI-05).++    For every cell type present in the output: r_a = within-type radial RMS at+    stage a (in the aligned, target-RMS-rescaled frame ca), r_b likewise at+    stage b, target r_t = (1 - t) r_a + t r_b. The output cloud's within-type+    radial RMS r_out (around the output type centroid) is corrected to r_t via+    s = (r_t / r_out) ** strength clipped to [1 - clip, 1 + clip]; each cell+    moves along the radial direction only: p -> c_out + (p - c_out) * s.+    Coordinates are modified in place; returns evidence dict.+    """+    out_labels = np.asarray(out_labels).astype(str)+    la = np.asarray(labels_a).astype(str)+    lb = np.asarray(labels_b).astype(str)+    s_stats = {}+    n_corrected = 0+    for lab in np.unique(out_labels):+        m = out_labels == lab+        pts = coords[m]+        if int(m.sum()) < min_cells:+            continue+        c_out = pts.mean(axis=0)+        r_out = _radial_rms(pts)+        if not np.isfinite(r_out) or r_out < 1e-8:+            continue+        r_side = []+        w_side = []+        ma = la == lab+        if ma.any():+            r_side.append(_radial_rms(ca[ma]))+            w_side.append(1.0 - t)+        mb = lb == lab+        if mb.any():+            r_side.append(_radial_rms(cb[mb]))+            w_side.append(t)+        if not r_side or not np.isfinite(r_side).all():+            continue+        w = np.asarray(w_side, dtype=np.float64)+        if w.sum() <= 0:+            continue+        r_t = float((np.asarray(r_side) * w).sum() / w.sum())+        s = (r_t / r_out) ** float(strength)+        s = float(np.clip(s, 1.0 - clip, 1.0 + clip))+        s_stats[lab] = {"r_a": r_side[0] if ma.any() else None,+                        "r_b": r_side[-1] if mb.any() else None,+                        "r_t": r_t, "r_out": r_out, "s": s, "n": int(m.sum())}+        if abs(s - 1.0) > 1e-12:+            coords[m] = c_out + (pts - c_out) * s+            n_corrected += int(m.sum())+    ss = np.array([v["s"] for v in s_stats.values()]) if s_stats else np.array([1.0])+    ev = {+        "n_types_corrected": int(len(s_stats)),+        "cells_moved": n_corrected,+        "s_mean": float(ss.mean()),+        "s_min": float(ss.min()),+        "s_max": float(ss.max()),+    }+    return ev   def _pair_map(own: dict, other: dict, thresh: float) -> dict:@@ -106,6 +192,8 @@ def main() -> None:     parser.add_argument("--trend", type=float, default=TREND)     parser.add_argument("--clip", type=float, default=CLIP)     parser.add_argument("--pair-r", type=float, default=PAIR_R)+    parser.add_argument("--strength", type=float, default=STRENGTH)+    parser.add_argument("--scale-clip", type=float, default=SCALE_CLIP)     args = parser.parse_args()      manifest = load_manifest(args.data)@@ -123,6 +211,27 @@ def main() -> None:     expr, coords, info = interpolate(stage_a, stage_b, t, params)      ev = {}+    if args.strength != 0.0:+        n = int(info["n"])+        n_from_a = int(info["n_from_a"])+        rng = np.random.default_rng(int(params["seed"]))+        ia, ib = mix_indices(stage_a.labels, stage_b.labels, t, n, rng)+        if len(ia) != n_from_a or len(ia) + len(ib) != n:+            raise RuntimeError("source reproduction mismatch")+        # Frame-consistent per-type spreads: same alignment + global rescale mix used.+        aligned_a, aligned_b, _ = align_pair(+            stage_a.coords, stage_b.coords, stage_a.labels, stage_b.labels, str(params.get("align", "procrustes")))+        rms_a = rms_radius(stage_a.coords)+        rms_b = rms_radius(stage_b.coords)+        target_rms = log_interp(rms_a, rms_b, t, float(params.get("scale_damp", 1.0)))+        ca = scale_to_rms(aligned_a, target_rms)+        cb = scale_to_rms(aligned_b, target_rms)+        la = np.asarray(stage_a.labels).astype(str)+        lb = np.asarray(stage_b.labels).astype(str)+        lab_out = np.concatenate([la[ia], lb[ib]]) if n_from_a else lb[ib]+        coords = np.asarray(coords, dtype=np.float64).copy()+        ev.update(_radial_scale_correct(coords, lab_out, ca, cb, la, lb,+                                        t, args.strength, args.scale_clip))     if args.trend != 0.0:         n = int(info["n"])         n_from_a = int(info["n_from_a"])

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。总结：

**做了什么**：在节点12（mix）上按 PLAN 实现 T2HI-05 型内径向尺度插值：逐型在对齐+目标RMS帧里算 r_a/r_b，r_t=(1−t)r_a+t·r_b，s=(r_t/r_out)^strength 裁剪后绕输出型心径向缩放坐标，表达/组成不动；保留 `--strength 0` 逐位关闭对照（实测 X 与 spatial_3D 均与父 `np.array_equal`）。

**查分结果**（5/20 次）：机制确有空间（50 型全动、s 触裁剪边界、坐标最大位移 36–125），但 4 档配置（strength 0.5–1.5 × clip 0.05–0.20）榜分 58.93–59.06，全低于基线 59.50；目标组 shape_scale 反降（53.37→52.4–53.0），local_spatial 也降。径向收缩把细胞推向型心，与节点15/17 证明有效的局部致密化方向相反。按 PLAN 止损以 strength=0 提交（与父逐位一致，预期 59.50），`vec-check` 通过，seed 1 确定性验证通过。

**下一步最值得试**：(1) shape_scale 的短板是全局 out_rms（346 vs 真实 217），型内缩放改不了它——只能想办法约束全局尺度，但 proxy 括号验证不了方向；(2) 沿节点17 的 kNN 致密化继续（当前最佳 61.41），本节点结果进一步支持"致密化有效、去弥散有害"；(3) 注意评分噪声：X 逐位相同时 cell_state 出现 66.70/65.93 两个值，<1 分差异不可信。

调研员

7已经在做了。

我不组合，只做径向尺度校正。如果成功，未来节点可以组合。

最终方案确定。写JSON。

让我再检查一下合规性：
- 数据只用视图里的：是的，只用输入阶段的坐标和标签
- 不硬编码保留阶段的统计量：是的，尺度是从输入阶段动态计算的
- 不针对打分器漏洞优化：是的，径向尺度校正是合理的几何操作
- 对时间平移不变：是的，用的是相对时间t
- 对视图伪装不变：是的，不依赖具体路径或阶段名

好的，一切合规。

现在让我写最终的、完整的方案。
</think>

{
  "name": "mix基线型内径向尺度插值修正shape_scale",
  "motivation": "shape_scale 53.37 是父节点12（=节点2 mix）最弱组，scale_log_ratio 0.467 为主要短板（out_rms=346 偏大）。mix 用全局 log 线性 RMS 缩放两朵云，无法捕捉型特异尺度变化：不同型在两个输入阶段的型内扩展（到型心距离）趋势可能不同，全局缩放后型内尺度系统性偏差。节点15已证明坐标侧操作可在不扰动表达/组成的前提下提升分组（local_spatial +6.37），本方案继续坐标侧但针对尺度而非平滑，与节点15/17方向正交。",
  "approach": "1) 复制节点12 run.py，保留 --trend 0 逐位对照不变。2) 在 mix 输出后新增型内径向尺度校正：对每个细胞型，在输入阶段 a、b 分别计算该型细胞到型心的 RMS 距离 r_a、r_b；目标 r_t=(1-t)*r_a+t*r_b；在输出中计算该型到输出型心的 RMS 距离 r_out；缩放因子 s=(r_t/r_out)^strength。3) 对每个该型细胞：new_pos = centroid_out + (pos−centroid_out)*s，坐标其余不动。4) 裁剪：s 限制在 [1−clip, 1+clip]。5) 网格：strength∈{0,0.5,1.0,1.5}，clip∈{0.05,0.10,0.20}；先跑 strength=0 确认与父逐位一致（np.array_equal），再跑 6-8 个配置，用 vec-score A 半筛选；若最佳配置≤基线+1 分则以 strength=0 提交（止损）。6) 单输入退路：无括号时不做校正，直接沿用父回退。7) proxy2/final：同样用两个输入的型内尺度插值，缺失基因不影响坐标；final 括号尺度差更大（354→217），型内校正空间更大。8) 实现注意：复用节点12已有的 read_stage/type_means 工具函数；型心用稀疏矩阵 mean 即可；需断言每个型至少 2 个细胞否则跳过。",
  "expected_groups": ["shape_scale"],
  "risks": "proxy 两阶段全局 RMS 仅差 5%（354 vs 335），型内尺度差异可能更小，所有型的 s 都落在 [0.98,1.02] 内则机制无空间——Engineer 前 2 次查分若 |Δ|<1 应止损；径向缩放改变型内细胞间距，可能轻微影响 local_spatial（预期 <1 分），需监控；型心计算依赖标签完整性，需断言标签非空。",
  "family_id": "T2HI-05",
  "mechanism": "对每个细胞型，用两个输入阶段的型内径向尺度（到型心 RMS 距离）按时间线性插值出目标尺度，将 mix 输出中该型细胞的径向距离校正到插值目标，方向不变、仅缩放幅度。",
  "vs_constant_shift": "常数位移给所有细胞加同一向量（平移），本方案以型心为中心做径向缩放：位移=(s−1)×(pos−centroid)，方向沿径向、大小正比于到型心距离——中心细胞不动、边缘细胞移动最多，且每个型的缩放因子独立计算，不是全局统一值。",
  "mechanism_evidence": "Engineer 应记录：(1) 每型缩放因子 s 的均值与范围（若全部在 [0.98,1.02] 说明无空间）；(2) 校正前后型内 RMS 距离变化百分比；(3) 四组分各自变化，尤其 shape_scale 内 scale_log_ratio；(4) local_spatial 是否被扰动（预期 <1 分）。",
  "mechanism_off_control": "--strength 0 使 s^0=1，所有坐标不变，输出应与父节点逐位相同（np.array_equal 检查 X 和 spatial_3D）。若 strength=0 输出与父不同，说明实现有泄漏，必须修复后再继续网格。"
}