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

节点 n21

在父17型内kNN坐标平滑上加径向边界权重：w_i=clip(1−(r_i−2.0)/(3.0−2.0),0,1)（r_i=到型质心距离/型均SD），位移=strength·w_i·(c_i−x_i)，远质心细胞不平滑以保护型空间包络，occupancy_dice/shape_scale回升。

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 d58f01f819: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 5091e4a1fe。改动的文件：solution/METHOD.md +35 −43、solution/run.py +53 −4

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 6d31c33..071c1f3 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,66 +1,58 @@-型内kNN坐标平滑位移上限0.2→0.45×型内SD强化局部致密化；PLAN的RMS恢复与各向异性缩放在代理上证伪（把尺度推离参考），按止损关闭，另加自适应k提升final稳健性。+在父17型内kNN坐标平滑上加径向边界权重：w_i=clip(1−(r_i−2.0)/(3.0−2.0),0,1)（r_i=到型质心距离/型均SD），位移=strength·w_i·(c_i−x_i)，远质心细胞不平滑以保护型空间包络，occupancy_dice/shape_scale回升。  ## 方法族 / 实现 -family_id = **T2HI-05**（kNN 平滑后 RMS 恢复 + 各向异性轴缩放，按 PLAN 实现并检验）。基线 = 父节点15：mix（align=procrustes, scale_damp=1）+ 型内 kNN 坐标平滑（k=20, strength=1.5, 位移≤max_frac×型内SD）。表达、细胞数、类型组成全程逐位不动，只改 `obsm["spatial_3D"]`。+family_id = **T2HI-04**（按 PLAN：密度自适应平滑上限 / 型边界细胞保护）。基线 = 父节点17：mix（align=procrustes, scale_damp=1）+ 型内 kNN 坐标平滑（k=20, strength=1.5, max_frac=0.45, k_adaptive）。只改 `obsm["spatial_3D"]`；表达、细胞数、类型组成逐位不动（X `array_equal` True）。 -按 PLAN 实现了两个新机制（`--rescale-damp`、`--aniso`/`--aniso-damp`）和自适应 k（`--k-adaptive`）：--1. **均匀 RMS 恢复**：平滑后 RMS_post 对 mix 已算好的 log 线性 target_rms（`info["target_rms"]`）做 `factor=1+damp·(target/RMS_post−1)` 的绕质心缩放。-2. **各向异性轴缩放**：两输入阶段 align 后缩放到 target_rms，逐轴 SD 做 log 线性插值得 target_SD_d，对平滑后坐标逐轴 `factor_d=1+damp·(target_SD_d/SD_d−1)`。-3. **自适应 k**：`k_eff=min(k, max(3, m−1))`，细胞数 <21 的小类型不再被跳过（proxy 上 5 型全部 ≥21，为 no-op；final 31 个共有型时保证稀有型也被平滑）。+机制：`_knn_smooth` 内每型计算质心 C 与逐维 SD，r_i = ||x_i−C|| / mean(SD)，w_i = clip(1−(r_i−r_lo)/(r_hi−r_lo), 0, 1)，delta_i = strength·w_i·(c_i−x_i)，再走原有逐维 max_frac 裁剪。提交默认 **r_lo=2.0, r_hi=3.0**（`--r-lo/--r-hi`）。  ## 对照结果（mechanism_off_control） -`--rescale-damp 0 --aniso off --max-frac 0.2`（=父参数）的输出与父节点15输出 **X 与 spatial_3D 均 `np.array_equal` = True**（逐位一致），确认新代码在关闭态不泄漏。--## 机制检验：PLAN 的两个机制在 proxy 上被证伪（A半，seed 0）--| 配置 | 榜分 | shape_scale | local_spatial | scale_log_ratio | occupancy_dice |-|---|---:|---:|---:|---:|---:|-| 父节点15（mf0.2, 无缩放） | 60.77 | 53.52 | 59.81 | ~0.451 | 0.838 |-| +均匀RMS恢复 damp=1.0 | 60.69 | 53.22 | 59.81 | 0.467 | 0.838 |-| +RMS恢复+aniso damp=1.0 | 60.65 | 53.06 | 59.80 | 0.460 | 0.834 |+`--boundary-off`（w_i≡1）输出与父节点17输出 **X 与 spatial_3D 均 `np.array_equal` = True**（seed 0 验证），关闭态不泄漏。 -证据数字：平滑确实系统性收缩 RMS（RMS_post/target = **0.9832**，收缩 1.7%，方向与 PLAN 预期一致）；恢复后 RMS/target = 1.0000。但 **shape_scale 反而下降**：scale_log_ratio 0.451→0.467 恶化——说明参考阶段的尺度**低于** mix 的 log 线性 target_rms（与方法卡"心脏尺度非单调，log 线性 346 够不到真值 217"一致），把 RMS 推回 target 是推离参考。aniso 的各轴 ratio_d 均 <2%（0.980/0.997/1.001），且 occupancy_dice 0.838→0.834 下降。命中 PLAN 风险①③，按止损条款以 **rescale_damp=0、aniso off** 提交。进一步用输入数据之外的方式"猜"目标尺度（更强的整体收缩）无法从两输入阶段合法导出（两端 RMS 354/335，log 线性对 damp 不敏感），针对 proxy 参考调尺度=向真值泄漏，不做。+## 机制生效证据（proxy A半，seed 0，默认 r2.0/3.0） -## 实际提交的改进：平滑位移上限 max_frac 0.2→0.45（父节点 ANALYSIS 建议方向）+- r_i 分布（52 型，mix 抽样后）：各型 frac(r<1) 0–53%，frac(r>2.5) 0–29%——边界保护影响的是真实少数（PLAN 风险①"90% 都 r<1"未发生）。+- w_mean=0.908，frac(w<0.5)≈9%，边界细胞 mean|delta|=12.5（全平滑时同类细胞位移约大 10 倍）；type_sd_post_mean：全平滑 110.5 → 边界保护 **113.9**（型包络更大，方向与 PLAN 预期一致）。+- occupancy_dice 0.838(父)→**0.8431**；scale_log_ratio 0.451→**0.4478**（更贴近参考）；shape_scale **52.68→53.62（+0.94）**。+- 代价：neighborhood_mmd 0.0597→0.0609，local_spatial 61.70→61.21（−0.49）。+- 四组分（A半 seed0）：cell_state 65.93 / expression_change 63.83 与父逐位相同（X 不动）；shape_scale +0.94；local_spatial −0.49；榜分 61.03→61.14。 -父节点 next_suggestions 明确建议"试 max_frac 0.3–0.4 看 shape/局部是否随更强收缩改善"。网格（k=20, strength=1.5, A半 seed 0）：+## 网格（A半 seed 0，除注明） -| max_frac | 榜分 | local_spatial | shape_scale | neighborhood_mmd | mean_disp/SD |-|---:|---:|---:|---:|---:|---:|-| 0.20（父） | 60.77 | 59.81 | 53.52 | 0.0645 | 0.104 |-| 0.30 | 60.89 | 61.11 | 52.71 | 0.0611 | — |-| 0.35 | 61.01 | 61.41 | 52.86 | 0.0604 | 0.153 |-| **0.45（提交）** | **61.03** | **61.70** | **52.68** | **0.0597** | **0.176** |-| 0.60 | 61.08 | 62.00 | 52.59 | 0.0589 | — |-| 0.80 | 61.07 | 62.18 | 52.36 | 0.0585 | — |-| 0.35+s2.5 | 60.81 | 60.57 | 52.93 | 0.0625 | 0.180 |+| 配置 (r_lo/r_hi, strength, mf) | 榜分 | shape | local | nmmd | occupancy |+|---|---:|---:|---:|---:|---:|+| 父17（无边界权重） | 61.03 | 52.68 | 61.70 | 0.0597 | 0.838 |+| 1.0/2.5, s1.5 | 60.59 | 53.64 | 58.97 | 0.0668 | 0.8421 |+| 1.0/2.5, s2.5 | 60.79 | 53.82 | 59.59 | 0.0651 | 0.8453 |+| 1.5/3.0, s2.0 | 61.12 | 53.88 | 60.87 | 0.0618 | 0.8469 |+| 1.5/3.0, s2.5 | 60.97 | 53.39 | 60.75 | 0.0621 | 0.8405 |+| 1.5/3.0, s2.0, mf0.65 | 61.07 | 53.33 | 61.20 | 0.0609 | 0.8399 |+| 1.5/3.0, s2.0, mf0.8 | 61.06 | 53.20 | 61.28 | 0.0607 | 0.8383 |+| **2.0/3.0, s1.5, mf0.45（提交）** | **61.14** | **53.62** | **61.21** | 0.0609 | 0.8431 |+| 2.0/3.0, s2.0 | 61.10 | 53.46 | 61.18 | 0.0610 | 0.8415 |+| 2.0/3.5, s2.2 | 60.93 | 52.83 | 61.14 | 0.0611 | 0.8318 | -mf∈[0.45, 0.8] 是平台（61.03–61.08，差在噪声内）；取 **0.45**（平台中部、shape 侵蚀最小，迁移到 B半/final 更安全）。**跨种子一致性**：seed 1 下 mf0.45 = 61.27 vs 父配置 seed 1 = 61.02（+0.24，与 seed 0 的 +0.26 同向；local_spatial 60.2→62.0，+1.8 超噪声，shape −0.8 部分抵消）。净增益 ~+0.25 小于 T2 噪声 ~1 分，属"方向一致的小幅改进"，不是大幅突破——如实记录。+**跨种子一致性**：seed 1 下提交配置 61.376 vs 父关闭对照 61.266（**+0.11**，与 seed 0 的 +0.11 完全同向）；shape_scale seed1 +0.72、local −0.28，两组方向也一致。 -## 机制生效证据（提交默认，proxy seed 0）+## 结论（如实） -- 平滑覆盖率 100%（17616/17616，跳过类型 0）；mean_disp/型内SD = 0.176（≤0.45 上限）；max|delta| = 147.4。-- neighborhood_mmd 0.0645→0.0597（单调改善），local_spatial 59.81→61.70。-- 表达矩阵、细胞数（17616 ∈ [1000, 17616]）、类型组成与父逐位一致（X `array_equal` True）；只有坐标变。-- 关闭对照（mf=0.2）与父输出逐位一致（见上）。+机制按 PLAN 起效：occupancy_dice 与 scale_log_ratio 一致改善 → shape_scale 两 seed 各 +0.94/+0.72；代价是 neighborhood_mmd 略差 → local_spatial −0.49/−0.28。**净增益 +0.11（两 seed 同向），远小于 T2 噪声 ~1 分**，属"方向一致但幅度在噪声内"的改进，不是突破。PLAN 止损条款（local 降>1 且 shape 升<1）未触发（local 降<0.5，shape 升>0.7）。未命中风险①；风险②③如实命中并记录。  ## 验证过 -- 默认参数（无 flag）输出与网格 mf045_s15 文件逐位一致；seed 0 重跑逐位确定；seed 1 输出不同（无 seed 分支）。-- `vec-check` ok；坐标全部有限。-- **视图无关**：构造 +1 天平移、manifest 键序打乱、external 阶段同步平移的伪装视图，seed 0 输出的 X 与 spatial_3D 与真实视图**逐位相同**；程序只用相对时间 t、坐标、标签，不读绝对时间/路径/board 字段。-- 纯 CPU（numpy+scipy cKDTree），runtime ~2.1s，峰值内存与父相当（~0.5GB）；`EXECUTION.json {"gpu": false}`。-- 查分用量：10/20（control 未查分，用逐位对照代替）。+- 关闭态与父逐位一致；默认参数输出与网格 bndC 文件逐位一致；seed 0 重跑确定；seed 1 输出不同（无 seed 分支）。+- `vec-check` ok；runtime ~2s，纯 CPU，内存与父相当。+- 视图无关：新增量只用型内相对几何（质心、SD、径向距离），无绝对时间/路径/board 依赖；父节点已验证过 +1 天伪装视图逐位一致，本改动不引入新的视图依赖。  ## 未验证 / 风险 -- final 括号（31 共有型）未测；k_adaptive 使小类型（≥4 细胞）也被平滑，覆盖率应高于父节点的"跳过 <21 型"，但小类型上 k_eff=3–19 的平滑幅度更依赖其自身 SD（自适应封顶），预期稳健、未实测。-- 净 +0.25（A半）在噪声边缘；依据是 local_spatial +1.8 在两个 seed 上同向、平台宽（mf 0.45–0.8），非单点尖峰。-- shape_scale 的 scale 分量短板仍在（scale_log_ratio≈0.44）：合法可用的输入信息推不出参考尺度（非单调 354→217→335），任何"整体缩到某个魔数"的做法都是对 proxy 真值的拟合，不可迁移。+- final 括号（31 共有型、更多小类型）未测；k_adaptive + 边界权重在小类型上 r_i 分布可能不同（小样本 SD 噪声大），但 w∈[0,1] 只减小位移，预期稳健。+- B 半上 shape/local 的权衡比例可能不同；净 +0.11 在噪声内，B 半可能持平或略负。+- 单输入阶段退路不变（无括号时跳过平滑）。  ## 知识来源 -仅通用几何/统计操作（kNN 收缩、逐维 SD 裁剪、log 线性插值、Kabsch 对齐，均沿自父节点与 `src.task2_spatial`）。未使用保留阶段（E8.5/E10.5/E12.5、禁窗 (8.25,8.75)、9.5<E≤13.5）或保留基因型的任何测量信息；对目标尺度未注入任何外部数值。+仅通用几何/统计操作（型质心、径向距离归一化、kNN 收缩），沿自父节点与 `src.task2_spatial`。未使用保留阶段（E8.5/E10.5/E12.5、禁窗 (8.25,8.75)、9.5<E≤13.5）或保留基因型的任何测量信息。++查分用量：12/20（含 2 次对照/种子复核）。diff --git a/solution/run.py b/solution/run.pyindex bdfa47a..b488f26 100644--- a/solution/run.py+++ b/solution/run.py@@ -65,15 +65,26 @@ PCA_NORM = False RESCALE_DAMP = 0.0  # uniform RMS restore FALSIFIED on proxy (moves RMS away from ref scale); 0 = off ANISO = False  # per-axis SD correction: also falsified (occupancy_dice drop); off ANISO_DAMP = 1.0+R_LO = 2.0   # boundary weighting: full smoothing for r_i <= r_lo+R_HI = 3.0   # no smoothing for r_i >= r_hi (type envelope protected); grid: (1.0,2.5),(1.5,3.0),(2.0,3.0),(2.0,3.5) x strength 1.5-2.5 K_ADAPTIVE = True  # k_eff = min(k, max(3, m-1)): smooth small types instead of skipping (robustness for finer type vocabularies; no-op when all types >= k+1)  -def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float, max_frac: float, adaptive: bool = False):+def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float, max_frac: float,+                adaptive: bool = False, r_lo: float = 0.0, r_hi: float = 0.0):     """Per-type kNN contraction toward neighbour centroid, capped by type coord SD.      Returns (new_coords, evidence dict). Coordinates are modified in place-safe     (a copy is returned); cells of types with < k+1 members are left untouched.++    Boundary weighting (family T2HI-04): when r_hi > r_lo >= 0, each cell gets a+    smoothing weight w_i = clip(1 - (r_i - r_lo)/(r_hi - r_lo), 0, 1) where r_i+    is its distance to the type centroid normalised by the mean per-dimension+    type SD. Interior cells (r_i <= r_lo) keep full smoothing; boundary cells+    (r_i >= r_hi) are not moved, protecting the type's spatial envelope.+    r_hi <= r_lo disables the weighting (w_i = 1, parent behaviour).     """+    boundary = r_hi > r_lo     coords = np.asarray(coords, dtype=np.float64).copy()     labels = np.asarray(labels).astype(str)     n = coords.shape[0]@@ -82,6 +93,11 @@ def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float,     n_skipped_types = 0     n_skipped_cells = 0     disp_over_sd = []+    w_all = []+    n_bnd = 0  # cells with w < 0.5+    bnd_disp = []  # mean |delta| of boundary cells (w<0.5)+    sd_pre = []+    sd_post = []     for lab in np.unique(labels):         idx = np.flatnonzero(labels == lab)         m = idx.size@@ -105,7 +121,20 @@ def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float,             n_skipped_cells += m             continue         centroid = pts[neigh].mean(axis=1)  # (m, 3)-        d = strength * (centroid - pts)  # (m, 3)+        if boundary:+            C = pts.mean(axis=0)+            sd_mean = float(sd.mean())+            if sd_mean > 1e-12:+                r_i = np.linalg.norm(pts - C, axis=1) / sd_mean+                w = np.clip(1.0 - (r_i - r_lo) / (r_hi - r_lo), 0.0, 1.0)+            else:+                w = np.ones(m)+            d = strength * w[:, None] * (centroid - pts)  # (m, 3)+            w_all.append(w)+            bmask = w < 0.5+            n_bnd += int(bmask.sum())+        else:+            d = strength * (centroid - pts)  # (m, 3)         # proportional truncation so no dimension exceeds its cap         with np.errstate(divide="ignore", invalid="ignore"):             ratio = np.where(cap[None, :] > 0, np.abs(d) / np.where(cap[None, :] > 0, cap, 1.0), 0.0)@@ -118,6 +147,10 @@ def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float,         with np.errstate(divide="ignore", invalid="ignore"):             per = np.where(sd[None, :] > 0, np.abs(d) / np.where(sd[None, :] > 0, sd, 1.0), 0.0)         disp_over_sd.append(per.mean())+        if boundary and bmask.any():+            bnd_disp.append(float(np.linalg.norm(d[bmask], axis=1).mean()))+        sd_pre.append(float(sd.mean()))+        sd_post.append(float((pts + d).std(axis=0).mean()))     new_coords = coords + delta     ev = {         "n_smoothed": int(n_smoothed),@@ -128,6 +161,15 @@ def _knn_smooth(coords: np.ndarray, labels: np.ndarray, k: int, strength: float,         "mean_disp_over_sd": float(np.mean(disp_over_sd)) if disp_over_sd else 0.0,         "max_abs_delta": float(np.abs(delta).max()) if n else 0.0,     }+    if sd_pre:+        ev["type_sd_pre_mean"] = float(np.mean(sd_pre))+        ev["type_sd_post_mean"] = float(np.mean(sd_post))+    if boundary and w_all:+        wall = np.concatenate(w_all)+        ev["w_mean"] = float(wall.mean())+        ev["w_min"] = float(wall.min())+        ev["frac_w_lt_half"] = float(n_bnd) / max(n, 1)+        ev["bnd_mean_abs_delta"] = float(np.mean(bnd_disp)) if bnd_disp else 0.0     return new_coords.astype(np.float32), ev  @@ -209,6 +251,10 @@ def main() -> None:     parser.add_argument("--aniso", choices=("on", "off"), default=("on" if ANISO else "off"))     parser.add_argument("--aniso-damp", type=float, default=ANISO_DAMP)     parser.add_argument("--k-adaptive", choices=("on", "off"), default=("on" if K_ADAPTIVE else "off"))+    parser.add_argument("--r-lo", type=float, default=R_LO)+    parser.add_argument("--r-hi", type=float, default=R_HI)+    parser.add_argument("--boundary-off", action="store_true",+                        help="control: force w_i=1 (parent node 17 behaviour)")     args = parser.parse_args()      manifest = load_manifest(args.data)@@ -240,8 +286,9 @@ def main() -> None:         labs_a = np.asarray(stage_a.labels).astype(str)[ia]         labs_b = np.asarray(stage_b.labels).astype(str)[ib]         labels = np.concatenate([labs_a, labs_b])+        r_lo, r_hi = (0.0, 0.0) if args.boundary_off else (args.r_lo, args.r_hi)         coords, ev = _knn_smooth(coords, labels, args.k, args.strength, args.max_frac,-                                 adaptive=(args.k_adaptive == "on"))+                                 adaptive=(args.k_adaptive == "on"), r_lo=r_lo, r_hi=r_hi)         if args.rescale_damp != 0.0 or args.aniso == "on":             coords, ev2 = _rms_restore(coords, float(info["target_rms"]), args.rescale_damp,                                        args.aniso == "on", args.aniso_damp, stage_a, stage_b, t,@@ -254,7 +301,9 @@ def main() -> None:     keep = {k: info.get(k) for k in ("t", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped", "align", "n_from_a", "n_from_b")}     print(json.dumps({"bracket": [a["stage"], b["stage"]], **keep, "strength": args.strength, "k": args.k,                       "pca_norm": args.pca_norm, "rescale_damp": args.rescale_damp, "aniso": args.aniso,-                      "aniso_damp": args.aniso_damp, "k_adaptive": args.k_adaptive, **ev}, default=float), file=sys.stderr)+                      "aniso_damp": args.aniso_damp, "k_adaptive": args.k_adaptive,+                      "boundary_off": args.boundary_off, "r_lo": r_lo if not args.boundary_off else None,+                      "r_hi": r_hi if not args.boundary_off else None, **ev}, default=float), file=sys.stderr)     write_t2(args.out, expr, coords, genes, seed=args.seed)  

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 在父17的型内 kNN 坐标平滑中加入径向边界权重（w_i 随细胞到型质心的归一化距离从 r_lo=2.0 到 r_hi=3.0 线性降到 0），保护型空间包络；`--boundary-off` 关闭态与父输出逐位一致（array_equal 验证）。

**查分结果**（A半，12/20 次）：提交配置 seed0 61.14 vs 父 61.03，seed1 61.376 vs 父 61.266——两 seed 同向 +0.11；机制如预期：occupancy_dice 0.838→0.843、shape_scale +0.94/+0.72，代价 neighborhood_mmd 略差、local_spatial −0.49/−0.28。净增益在噪声（~1分）内，已如实记录。共扫 9 组参数，2.0/3.0+s1.5 最优。

**下一步最值得试**：坐标侧 shape/local 权衡已近饱和；建议在表达侧找新机制（如按局部空间邻域对 mix 抽样做类型内重加权，改善 cell_state 65.93 的短板），或对边界细胞做切向（沿包络）平滑而非不平滑，看能否保住 nmmd 的同时守住 occupancy。

调研员

{
  "name": "密度自适应平滑上限：保护型边界细胞以回收 shape_scale",
  "motivation": "父节点17 shape_scale=52.70 是四组最短板，且随 max_frac 增大单调侵蚀（0.20→53.52, 0.45→52.68, 0.80→52.36）。ANALYSIS 明确建议'试只影响 occupancy/形状而非 RMS 的局部操作'。kNN 平滑对型边界细胞（远质心、邻域稀疏）的向内拉力是形状侵蚀的直接机制：这些细胞定义了型的空间包络和 occupancy 模式，被统一上限拉入内部后 occupancy_dice 下降（0.838→0.834 在 aniso 实验中已见趋势）。",
  "approach": "在父节点17的 _knn_smooth 内加入逐细胞平滑权重：\n1. 对每型计算质心 C 和逐维 SD；每细胞归一化径向距离 r_i = ||x_i - C|| / mean(SD)。\n2. 平滑权重 w_i = clip(1 - (r_i - r_lo)/(r_hi - r_lo), 0, 1)，其中 r_lo=1.0, r_hi=2.5 为初值（搜索范围 r_lo∈{0.5,1.0,1.5}, r_hi∈{2.0,2.5,3.0}）。\n3. 原位移公式改为 delta_i = strength * w_i * (c_i - coords_i)，再走原有逐维上限裁剪（max_frac=0.45 不变）。\n4. 效果：型内部细胞（r<1.0）平滑力度不变→local_spatial 保持；边界细胞（r>2.5）不平滑→形状包络与 occupancy 保持→shape_scale 回升。\n5. 关闭对照：--boundary-off 令 w_i=1（全 1 向量），输出应与父节点17逐位一致。\n6. 用 vec-score 在 A 半查分：先跑关闭对照确认与父一致，再跑默认（r_lo=1.0,r_hi=2.5）看 shape_scale 是否回升且 local_spatial 不降；若有效再扫 2-3 组参数。预计查分 4-6 次。\n7. 单输入阶段退路：无括号时父逻辑已跳过平滑，本改动不影响。",
  "expected_groups": ["shape_scale"],
  "risks": "1) 若绝大多数细胞 r_i<1.0（型非常致密），边界保护只影响极少细胞，效果在噪声内。Engineer 应在小样本上先打印 r_i 分布，若 >90% 细胞 r<1.0 则提前报告并尝试降低 r_lo。2) 保护边界细胞可能使 neighborhood_mmd 轻微回升（局部不够紧），导致 local_spatial 小幅下降抵消。若 local_spatial 降 >1 分且 shape_scale 升 <1 分则止损关闭。3) 净改善可能 <1 分（噪声），需两 seed 同向确认。",
  "family_id": "T2HI-04",
  "mechanism": "在型内 kNN 平滑中，按细胞到型质心的归一化径向距离赋予逐细胞平滑权重，边界细胞（远质心）权重趋零，内部细胞权重为 1，从而选择性保护形状包络。",
  "vs_constant_shift": "常数位移对所有细胞施加相同平移或全局缩放，不区分空间位置；本机制根据每个细胞在型内的径向位置（局部几何角色）差异化平滑力度，边界与内部受到不同处理，是空间选择性操作而非全局变换。",
  "mechanism_evidence": "Engineer 应记录：(1) 每型 r_i 分布直方图与 w_i 均值/最小值；(2) 边界细胞（w<0.5）占比及其平均位移对比全平滑时的差异；(3) 平滑后型逐维 SD 与全平滑对比（边界保护应使 SD 略大）；(4) occupancy_dice 与 neighborhood_mmd 相对父节点的变化方向；(5) 四组分各自变化量。",
  "mechanism_off_control": "加 --boundary-off 标志（或等价地令 r_lo=0, r_hi=0 使 w_i 恒为 1），此时平滑公式退化为父节点17原始形式，输出应与父节点17逐位一致（np.array_equal 验证）。预期差别：关闭态与父完全相同；开启态边界细胞位移减小，型包络略大，shape_scale 回升。",
  "sources": []
}