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

节点 n18 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

chg_l2门控坐标位移已实现检验：α_low<1单调降分（机制证伪），保留α=1；转向加大高失配细胞表达过冲 γ=1.2→2.8、q=0.7→0.8，A半 60.76→61.35（seed1 61.55）。

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 dcf313cf64: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 54926029f6。改动的文件：solution/METHOD.md +29 −37、solution/run.py +56 −4

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex a293356..e16fd4d 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,52 +1,44 @@-按表达差异分位数门控NN表达混合（T2HI-01）：只对被融合b细胞中 ||X_a_nn−X_b|| ≥ 全局 q=0.7 分位数的高失配细胞做 gamma=1.2 逐细胞混合，低失配细胞保持b侧原表达，修复 cell_state 回吐。+chg_l2门控坐标位移已实现检验：α_low<1单调降分（机制证伪），保留α=1；转向加大高失配细胞表达过冲 γ=1.2→2.8、q=0.7→0.8，A半 60.76→61.35（seed1 61.55）。 -## 方法（family T2HI-01，improve 自节点 14）+## 方法（family T2HI-04 → T2HI-01，improve 自节点 16） -流程与节点 14 完全相同：双 bracket 组成插值（t 分层抽样）→ Procrustes 对齐 → 缩放到插值 RMS → 每共有型 b 侧细胞向 a 侧同型最近邻坐标位移 α=1.0（型内 NN 融合）→ 拼接、_jitter、统一 scale_to_rms。**坐标与组成本节点未动**（shape_scale 与父节点逐位一致，符合"机制不动坐标"的预期）。+流程与节点 16 相同：双 bracket 组成插值 → Procrustes 对齐 → 缩放到插值 RMS → 型内 NN 坐标融合（α=1.0）→ chg_l2 分位数门控的逐细胞表达混合 `X_b <- X_b + γ*(X_a_nn − X_b)`。 -**新增机制（本节点）**：在父节点的逐细胞 NN 表达混合上加分位数门控。对每个被融合、被采样进输出的 b 细胞计算 chg_l2 = ||X_a_nn − X_b||（其空间配对 a 侧 NN 与自身的表达距离），取全部被融合 b 细胞 chg_l2 的分位数作阈值：+### PLAN 机制（坐标门控）：已实现，检验后被证伪，提交态关闭 -- `chg_l2 ≥ quantile(chg_l2, q)` 的细胞执行 `X_b <- X_b + gamma*(X_a_nn − X_b)`；-- 其余细胞保持 b 侧原表达不动。+新增 `T2HI_ALPHA_LOW`（+`T2HI_GATE_Q_COORD`，默认与表达门控同 q）：对 chg_l2 低于门控阈值的被融合 b 细胞，把坐标位移从 α=1.0（落到 a 侧 NN 位置）回撤为 `cb_pre + α_low*(ca_nn − cb_pre)`。机制确实生效：α_low=0.5 时低失配组 1591 细胞位移 65.9（vs 高失配组 682 细胞 254.3），α_low=0 时低失配组位移为 0。 -动机（PLAN）：低失配细胞本身已接近其配对 a 侧，混合它们只把表达云整体拉向 a 侧 bracket（mmd/variogram 惩罚 → cell_state 回吐），不修复表达-位置失配。门控只保留高失配细胞的混合，即"哪些细胞被混合"的选择逻辑逐细胞不同（取决于自身表达距离），非常数位移、非组成重加权。+**但方向错误（PLAN 风险 1 兑现）**：A 半分随 α_low 单调上升 60.11(0)→60.26(0.3)→60.36(0.5)→60.50(0.7)→60.76(1.0)，local_spatial 同步单调 55.73→57.49，shape_scale 52.77→53.62，neighborhood_mmd 与 d2_shape 也全程单调。低失配细胞的 a 侧 NN 位移本身对局部空间与形状都有正贡献，"表达已匹配的细胞不该被搬移"的假设不成立。过冲方向 α_low=1.3 也降分（60.64）。**提交态默认 T2HI_ALPHA_LOW=1.0（无操作对照），坐标逻辑与节点 16 逐位一致。** -**提交态默认**：`T2HI_GATE_Q=0.7`（全局分位数）、`T2HI_GAMMA=1.2`、`T2HI_EXPRNN=1`、`T2HI_GATE_MODE=global`。-**对照开关**：`T2HI_GATE_Q=0` → 阈值=最小值，全部被融合细胞通过门控，行为与节点 14 完全一致（已本地 np.array_equal 验证 X 与坐标逐元素全等）；`T2HI_EXPRNN=0` → 关闭整个表达混合，与节点 10 一致（父节点已验证）。`T2HI_GATE_MODE=type` 为型内分位数备选（proxy 上更差，未采用）。+### 实际提交的改进：高失配细胞的表达过冲 γ 与门控 q 重扫 -无随机数参与门控（np.quantile 确定）；不依赖绝对时间、路径、视图字段；单输入 / 不被 bracket → t=0 → copy_last 分支，不触发融合与混合。+坐标门控失败后，沿父节点 next_suggestions #2/#3 扫 γ×q（均 α_low=1.0）： -## 网格结果（vec-score A 半，proxy，seed 0；节点14 = q0/g1.2 基线 60.40）--| 配置 | 榜分 | cell_state | expr_change | local_spatial | shape_scale |+| 配置（q, γ） | A半榜分 | expr_change | cell_state | local_spatial | shape_scale | |---|---:|---:|---:|---:|---:|-| q=0（节点14） | 60.40 | 64.25 | 65.51 | 58.21 | 53.62 |-| q=0.3, g=1.0 / 1.2 | 60.42 / 60.52 | 64.87 / 64.83 | 65.52 / 65.76 | 57.67 / 57.87 | 53.62 |-| q=0.5, g=1.0 / 1.2 | 60.46 / 60.55 | 65.35 / 65.35 | 65.34 / 65.51 | 57.52 / 57.71 | 53.62 |-| **q=0.7, g=1.2（提交）** | **60.76** | **65.87** | **66.05** | 57.49 | 53.62 |-| q=0.7, g=1.0 / 1.3 | 60.51 / 60.79 | 65.84 / 65.88 | 65.24 / 66.12 | 57.34 / 57.55 | 53.62 |-| q=0.75 / 0.8, g=1.2 | 60.73 / 60.69 | 66.01 / 66.17 | 65.85 / 65.61 | 57.45 / 57.38 | 53.62 |-| q=0.9, g=1.2 | 60.36 | 66.12 | 64.80 | 56.88 | 53.62 |-| q=0.5 / 0.7, g=1.2, type 模式 | 60.48 / 60.33 | 65.41 / 65.80 | 65.30 / 64.91 | 57.59 / 57.01 | 53.62 |--- 榜分随 q 单调升到 0.7 附近成峰（60.76–60.79），q=0.9 回落；cell_state 随 q 单调回升（64.25→66.17），PLAN 判据 cell_state≥65.5 在 q=0.7 首次满足且榜分最高 → 选 q=0.7。-- g=1.3 与 1.2 差 0.03（噪声内），保留父节点语义更稳的 1.2。-- type 模式（型内分位数）反而更差： Peri/V-CM 型 chg_l2 分布偏低，全局门控已隐式把混合集中在 NCC/aPHM/pPHM 高失配细胞上，型内强制每型混 30–50% 重新引入低失配混合。风险预案（型内分位数）在 proxy 上实测无效，如实报告。-- **种子稳健性**：q=0.7/g=1.2 在 seed 1 上 60.99（cell_state 66.63），与 seed 0 的 60.76 一致，提升非单种子噪声。--## 机制生效证据（proxy seed 0，提交态）--- 被融合 b 细胞 2273，门控保留（被混合）682 = 30.0%（≈1−q，符合分位数定义）；-- 被保留细胞 chg_l2 mean=43.3 vs 被排除 mean=37.0（保留的显著更高，min 40.9 > 排除侧分布）；-- 每型保留/总数：NCC 224/341、Peri 21/621、V-CM 71/814、aPHM 123/239、pPHM 243/258 —— 全部 ≥10（PLAN 风险 3 的下限），但型间高度不均：全局门控把混合集中在 NCC/aPHM/pPHM，Peri/V-CM 大部分保持原表达；-- 四组分相对节点 14：cell_state 64.82→65.87（+1.05，回升，符合预期）、expression_change 65.65→66.05（+0.40，高失配细胞贡献了大部分 DE 增益，验证 PLAN "保留>70%增益"的预期方向）、local_spatial 58.29→57.49（−0.80，被混合细胞减少 70% 导致增益部分回吐）、shape_scale 不变（坐标未动）；-- 型内表达方差：604（节点10，不混合）→ 767（节点14，全混合）→ 758（门控后）。注意门控保留的是高 chg_l2 细胞，gamma=1.2 过冲对它们扩张方差，故未落在 PLAN 预期的 604–767 中段而是接近上端；如实报告。+| (0.7, 1.2) 节点16 | 60.76 | 66.05 | 65.87 | 57.49 | 53.62 |+| (0.7, 1.4 / 1.6) | 60.83 / 60.90 | 66.22 / 66.42 | 65.89 | 57.60 / 57.69 | 53.62 |+| (0.7, 1.8 / 2.0 / 2.4 / 3.0) | 60.97 / 61.02 / 61.16 / 61.17 | →67.27 | 65.6–65.9 | →58.14 | 53.62 |+| (0.6, 1.6) | 60.88 | 66.51 | 65.56 | 57.85 | 53.62 |+| (0.8, 1.6 / 2.0 / 2.4) | 60.93 / 61.14 / 61.27 | →67.56 | 66.17–66.20 | 57.6–57.7 | 53.62 |+| (0.85, 2.0 / 2.4) | 60.95 / 61.13 | 66.46 / 67.12 | 66.2 | 57.5 / 57.6 | 53.62 |+| **(0.8, 2.8)（提交）** | **61.35** | **67.82** | **66.13** | **57.81** | **53.62** |++- γ 与 q 存在补偿关系：q 越高（混合细胞越少）可承受的 γ 越大。q=0.8 保留 455/2273（20%）高失配细胞，γ=2.8 把它们大幅推向 a 侧 NN 表达之外（型内方差 604→3011），expr_change 66.05→67.82、cell_state 65.87→66.13、local_spatial 57.49→57.81 三组同升，shape_scale 不动（坐标未改）。+- γ=3.0/q=0.7 与 γ=2.4/q=0.7 平台在 61.16，γ=2.8/q=0.8 是网格内最高点；边界未完全探明（γ>2.8×q=0.8 与 q=0.9 未测，额度用尽）。+- **种子稳健性**：提交配置 seed 1 = 61.55（节点 16 seed 1 为 60.99，+0.56 与 seed 0 的 +0.59 一致），非单种子噪声。++## 提交态默认与开关++- 默认：`T2HI_GATE_Q=0.8`、`T2HI_GAMMA=2.8`、`T2HI_ALPHA_LOW=1.0`（坐标门控关）、`T2HI_GATE_MODE=global`。+- 机制关闭对照：坐标门控的 off 态即 `T2HI_ALPHA_LOW=1.0`（默认），输出与不门控逐元素一致（已验证）；`T2HI_GATE_Q=0.7 T2HI_GAMMA=1.2` 完整复现节点 16 输出（np.array_equal 验证 X+坐标）。+- 门控阈值来自当次运行 chg_l2 的现场分位数统计，γ 为全局标量但混合逐细胞异质（`X_b + γ*(X_a_nn−X_b)`，每细胞不同 NN），非常数位移。  ## 验证过 / 未验证 -- 已验证：`T2HI_GATE_Q=0` 输出与节点 14 逐元素一致（np.array_equal，X+坐标）；默认配置 seed 0 两次运行输出一致（确定性）；vec-check 通过；运行 ~2s、峰值内存 <1GB（limits 30min/28GB 内）；q×gamma 全网格 + type 模式 + 种子复核见上表。-- 未验证：正式分 B 半（A 半提升 +0.36，父节点经验表明 A 半对 <0.5 量级提升偏乐观，本提升在 T2 噪声 ~1 边缘，需正式分确认）；真实括号（E8.25→E8.75，31 个共有型）上 chg_l2 分布与型间偏斜可能与 proxy（5 型）不同，q=0.7 在真实括号的最优性未知；external/ 数据（MOSTA E9.5）未使用（父节点亦未用，本节点未改）。+- 已验证：默认输出=网格最优点 g2.8q0.8（逐元素）；同 seed 两次运行一致；vec-check ok；~2s、<1GB；α_low∈{0,0.3,0.5,0.7,1.0,1.3} 全网格、γ∈{1.4,…,3.0}×q∈{0.6,0.7,0.8,0.85} 网格、seed1 复核。+- 未验证：正式分 B 半（A 半 +0.59 略高于噪声边缘，但 seed0/seed1 一致，且改动方向与父节点 lessons 的"多分组净增益>噪声"判据相符：expr_change +1.77、cell_state +0.26、local_spatial +0.32）；真实括号 31 共有型上 γ=2.8 大幅过冲的最优性（proxy 仅 5 型、chg_l2 分布不同，q=0.8 在真实括号保留的细胞比例未知）；γ=2.8 使型内方差扩到 3011（节点16 为 758），若真实评测的 mmd/variogram 对离群表达更敏感可能回吐。  ## 知识来源 -未使用任何保留阶段/基因型信息或文献数值；机制只依赖两 bracket 现场计算的表达距离分位数。细胞类型名仅用于型内 NN 配对（与父节点相同，来自输入 obs 标签）。+未使用任何保留阶段/基因型信息或文献数值；所有统计量（chg_l2、分位数、NN 配对、型内方差）均由两 bracket 输入现场计算。细胞类型名仅用于型内 NN 配对（来自输入 obs 标签）。external/ 与 prior/ 未使用。diff --git a/solution/run.py b/solution/run.pyindex ad4e3cd..f4963e5 100644--- a/solution/run.py+++ b/solution/run.py@@ -22,16 +22,24 @@ node 7). T2HI_DISP=1 (+T2HI_BETA) enables within-type calibrated dispersion of fused b cells (isotropic offsets ~ Uniform(0, beta*d_med), d_med = median a-side NN distance per type); default OFF because the beta grid showed no net gain on the proxy (see METHOD.md). T2HI_EXPRNN (default 1, ON) with-T2HI_GAMMA (default 1.2) additionally mixes each fused b cell's expression+T2HI_GAMMA (default 2.8) additionally mixes each fused b cell's expression towards its matched a-side NN: xb <- xb + gamma*(xa_nn - xb), per-cell, common types only; T2HI_EXPRNN=0 disables it (node-10 output). Gamma 1.2 slightly overshoots the a-side value, restoring within-type spread lost when paired b cells become a-side copies (see METHOD.md). T2HI_GATE_Q (default-0.7) gates the blend on the quantile of per-cell expression distance+0.8) gates the blend on the quantile of per-cell expression distance chg_l2 = ||xa_nn - xb|| among fused b cells: only cells with chg_l2 at or above the q-quantile are blended, low-mismatch cells keep their b-side expression; T2HI_GATE_Q=0 lets every fused cell through (node-14 output). T2HI_GATE_MODE=type computes the quantile per cell type instead of globally.+T2HI_ALPHA_LOW (default 1.0) extends the same chg_l2 gate to the coordinate+displacement: sampled fused b cells below the gate threshold (low expression+mismatch) get their fusion displacement reduced to alpha_low * (pa_nn - pb),+i.e. they stay closer to their own Procrustes position, while high-mismatch+cells keep the full alpha=1.0 move. T2HI_ALPHA_LOW=1.0 is the mechanism-off+control (output identical to the ungated node-16 fusion). T2HI_GATE_Q_COORD+(default: same as T2HI_GATE_Q) allows a separate quantile for the coordinate+gate. Coordinate gating applies on the default blend_ref=all path only. """  from __future__ import annotations@@ -250,6 +258,7 @@ def main() -> None:         disp_beta = 0.0     rng_disp = np.random.default_rng(args.seed + 7919) if disp_beta > 0.0 else None     blend_info = None+    cb_pre = None     blend_ref = os.environ.get("T2HI_BLEND_REF", "all")     if blend_alpha > 0.0 and blend_ref == "sampled":         blend_min = int(os.environ.get("T2HI_BLEND_MIN", "5"))@@ -265,6 +274,7 @@ def main() -> None:         blend_min = int(os.environ.get("T2HI_BLEND_MIN", "5"))         blend_axes = os.environ.get("T2HI_BLEND_AXES", "3d")         blend_mutual = os.environ.get("T2HI_BLEND_MUTUAL", "0") != "0"+        cb_pre = cb.copy()         ca, cb, blend_info = _blend_within_type(             ca, cb, a.labels, b.labels, common, blend_alpha, blend_min, blend_axes, blend_mutual,             disp_beta, rng_disp,@@ -289,7 +299,7 @@ def main() -> None:         xa = as_dense(a.X, ia)         xb = as_dense(b.X, ib) -    gamma = float(os.environ.get("T2HI_GAMMA", "1.2"))+    gamma = float(os.environ.get("T2HI_GAMMA", "2.8"))     exprnn = os.environ.get("T2HI_EXPRNN", "1") != "0" and gamma > 0.0     exprnn_info = None     if exprnn and blend_info is not None and np.size(blend_info.get("nn_b", 0)):@@ -307,7 +317,7 @@ def main() -> None:             diff = Xa_nn - Xb_f             d = np.linalg.norm(diff, axis=1)             labs = np.asarray(b.labels).astype(str)[nn_b[sel]]-            gate_q = float(os.environ.get("T2HI_GATE_Q", "0.7"))+            gate_q = float(os.environ.get("T2HI_GATE_Q", "0.8"))             gate_mode = os.environ.get("T2HI_GATE_MODE", "global")             if gate_q > 0.0:                 if gate_mode == "type":@@ -323,6 +333,42 @@ def main() -> None:             blended = Xb_f.copy()             blended[keep] = Xb_f[keep] + gamma * diff[keep]             xb[pos[nn_b[sel]]] = blended.astype(np.float32)++            # chg_l2-gated coordinate displacement (family T2HI-04 mechanism):+            # low-mismatch fused b cells get a reduced fusion displacement+            # alpha_low, high-mismatch cells keep the full alpha move. The+            # coordinate gate threshold is the q_coord quantile of the same+            # per-cell chg_l2 distances d. alpha_low >= 1.0 -> no change+            # (mechanism-off control, output identical to the ungated blend).+            alpha_low = float(os.environ.get("T2HI_ALPHA_LOW", "1.0"))+            q_coord = float(os.environ.get(+                "T2HI_GATE_Q_COORD", os.environ.get("T2HI_GATE_Q", "0.8")))+            coord_info = None+            if cb_pre is not None and alpha_low != 1.0:+                if q_coord > 0.0:+                    keep_c = d >= np.quantile(d, q_coord)+                else:+                    keep_c = np.ones(d.shape, dtype=bool)+                low_c = ~keep_c+                bidx = nn_b[sel][low_c]+                aidx = nn_a[sel][low_c]+                if bidx.size:+                    step = ca[aidx] - cb_pre[bidx]+                    cb[bidx] = cb_pre[bidx] + alpha_low * step+                    step_norm = float(np.linalg.norm(step, axis=1).mean())+                else:+                    step_norm = 0.0+                bidx_h = nn_b[sel][keep_c]+                aidx_h = nn_a[sel][keep_c]+                step_h = ca[aidx_h] - cb_pre[bidx_h] if bidx_h.size else np.zeros((0, 3))+                coord_info = {+                    "alpha_low": alpha_low, "q_coord": q_coord,+                    "cells_low": int(low_c.sum()), "cells_high": int(keep_c.sum()),+                    "step_norm_low": step_norm,+                    "disp_low": alpha_low * step_norm,+                    "disp_high": float(np.linalg.norm(step_h, axis=1).mean())+                    if step_h.size else 0.0,+                }             def _within_var(M: np.ndarray) -> float:                 vs = []                 for lab in np.unique(labs):@@ -346,6 +392,7 @@ def main() -> None:                 "d_excl_mean": float(d[~keep].mean()) if (~keep).any() else 0.0,                 "var_before": _within_var(Xb_f), "var_after": _within_var(blended),                 "per_type_kept": per_type_kept,+                "coord": coord_info,             }      expr = np.clip(np.vstack([xa, xb]), 0.0, None).astype(np.float32)@@ -381,6 +428,11 @@ def main() -> None:               f"within_type_var {exprnn_info['var_before']:.3f} -> {exprnn_info['var_after']:.3f}",               flush=True)         print(f"[exprnn] per_type kept/total={exprnn_info['per_type_kept']}", flush=True)+        if exprnn_info.get("coord") is not None:+            ci = exprnn_info["coord"]+            print(f"[coordgate] alpha_low={ci['alpha_low']:.2f} q_coord={ci['q_coord']:.2f} "+                  f"cells_low={ci['cells_low']} cells_high={ci['cells_high']} "+                  f"disp_low={ci['disp_low']:.1f} disp_high={ci['disp_high']:.1f}", flush=True)      write_t2(args.out, expr, coords.astype(np.float32), 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**：实现 PLAN 的 chg_l2 门控坐标位移（T2HI_ALPHA_LOW/Q_COORD），全网格 α_low∈{0,0.3,0.5,0.7,1.0,1.3} 单调证伪机制假设（低失配细胞的 NN 位移对 local_spatial/shape 有正贡献），提交态关闭（α_low=1.0，与节点16逐位一致，np.array_equal 验证）。转向父节点建议的 γ×q 重扫，找到补偿关系（q 越高可承受 γ 越大）。

**查分**（A 半 proxy，用 16/20 次）：提交配置 q=0.8/γ=2.8 → seed0 **61.35**（父 60.76），seed1 **61.55**（父 60.99）；expr_change 66.05→67.82、cell_state +0.26、local_spatial +0.32、shape_scale 不变。vec-check 通过，确定性验证，~2s/<1GB。

**下一步最值得试**：① γ–q 脊线未探完（γ>2.8×q=0.8、q=0.9），但需警惕型内方差已扩到 3011，B 半 mmd/variogram 可能回吐；② shape_scale（53.62）四组最低且从未动过——目标 RMS 由 log_interp 定死，可试对 fused 云做占用率（occupancy_dice 0.83）导向的密度重排；③ 真实括号 31 型上 q=0.8 保留比例未知，若后续节点能在真实榜低成本验证应优先确认 γ=2.8 的迁移性。

调研员

```json
{
  "name": "chg_l2门控坐标位移：低失配细胞降低α修复local_spatial",
  "motivation": "节点16四组中local_spatial(57.89)是唯一相对前代(节点14的58.29)下降的组(-0.40)，shape_scale(54.46)自节点10起未动。ANALYSIS建议1明确指出：把chg_l2门控同步应用到坐标位移。当前所有被融合b细胞无论表达失配程度均做α=1.0全位移，低失配细胞(表达已匹配其空间邻域)被强制移到a侧NN位置后，其表达-位置一致性反而被打破，导致local_spatial回吐。",
  "approach": "在节点16代码基础上，将已有的chg_l2全局q=0.7分位数门控从仅控制表达混合扩展为同时控制坐标位移α。具体：(1)计算每个被融合b细胞的chg_l2=||X_a_nn−X_b||（已有）；(2)对chg_l2≥quantile(chg_l2,0.7)的高失配细胞：坐标α=1.0+表达gamma=1.2混合（与节点16相同）；(3)对低失配细胞：坐标位移降为α_low，表达不混合（与节点16相同）。新增环境变量T2HI_ALPHA_LOW，默认0.5。网格：α_low∈{0, 0.3, 0.5, 0.7, 1.0}×q_coord∈{0.7}（先固定q与表达门控一致），共5次查分。若α_low=0.5有信号(≥+0.5)，追加q_coord∈{0.5,0.6,0.8}×α_low最优值，再3次。总计≤8次查分，每次~2s，远在30分钟限内。单输入/不被bracket→t=0→copy_last，不触发。用vec-score逐次查proxy A半，以local_spatial+shape_scale净增益>1且cell_state/expr_change不降>0.5为通过标准。",
  "expected_groups": ["local_spatial", "shape_scale"],
  "risks": "1)低失配细胞减少位移后，其Procrustes对齐位置本身可能不如a侧NN位置精确，local_spatial反而不升——Engineer应在α_low=0（完全不位移）时观察：若比α_low=1.0更差，说明位移本身对低失配细胞也有正贡献，机制假设不成立，如实报告。2)shape_scale对坐标变化的响应可能非线性，α_low改变后RMS微变但scale_to_rms已归一化，可能无感——若5个α_low的shape_scale全在±0.1内则判定该组无响应。3)chg_l2门控使坐标位移与表达混合耦合，若后续想独立调参需注意。",
  "family_id": "T2HI-04",
  "mechanism": "按逐细胞表达失配距离(chg_l2)门控坐标位移幅度：高失配细胞全位移α=1.0，低失配细胞部分位移α=α_low<1，使表达已与邻域匹配的细胞不被过度搬移，保持局部表达-空间一致性。",
  "vs_constant_shift": "每细胞的α由其自身表达距离决定（同型两细胞可获不同α），非按型施加统一位移向量；门控阈值来自当次运行的分位数统计，非硬编码常数。",
  "mechanism_evidence": "Engineer应输出：(1)低/高失配组各自实际α值与细胞数；(2)低失配组坐标位移量(||p_new−p_old||)在α_low<1时确实小于α=1；(3)四组分各自变化方向：预期local_spatial↑、shape_scale≥不变、cell_state/expr_change≈不变；(4)若α_low=0.5通过，对比α_low=0和1.0确认非单调（排除线性趋势误判）。",
  "mechanism_off_control": "T2HI_ALPHA_LOW=1.0时，低失配细胞也获得α=1.0，所有被融合细胞位移与节点16逐元素一致（坐标+表达），预期输出完全相同（可np.array_equal验证）。",
  "sources": []
}
```

审查员

REVIEW.json written