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

节点 n24

实现PLAN T2HI-04软kNN高斯加权质心融合（k=8，σ=c·d_med）替代1-NN硬吸附：全c网格实测shape_scale与local_spatial双降、判阴，提交SOFT_C=0（输出与父22逐位一致）。

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 1bb4e50cca: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 443b5ac207。改动的文件：solution/METHOD.md +31 −38、solution/nn_fuse.py +27 −5、solution/run.py +5 −2

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 36c697e..eefb34c 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,56 +1,49 @@-NN融合后型内密度均衡位移（T2HI-04）：重复坐标栈按质量点处理，沿加权密度梯度+确定性去栈方向位移，λ=0.4、k=5、钳幅0.03×RMS，位移后全局RMS精确复原。+实现PLAN T2HI-04软kNN高斯加权质心融合（k=8，σ=c·d_med）替代1-NN硬吸附：全c网格实测shape_scale与local_spatial双降、判阴，提交SOFT_C=0（输出与父22逐位一致）。  ## 方法 -底座与父 20 完全相同：mix（align=procrustes, scale_damp=1）→ 型内空间分层 (1−t,t) 抽样 → 共有型 b 细胞向 a 侧同型最近邻 α=1.0 位移融合 → 逐细胞自适应表达过冲 β_i=clip(2.8·(mism_i/m_global)^1.5,1.2,3.5)+全局 q0.8 门。只在**坐标融合之后、jitter/重缩放之前**新增密度均衡步骤（`dens_eq.py`，`DENS_EQ=1` 默认开）：+底座与父 22 完全相同：mix（align=procrustes, scale_damp=1）→ 型内空间分层 (1−t,t) 抽样 → 共有型 b 细胞向 a 侧同型最近邻 α=1.0 位移融合 → 逐细胞自适应表达过冲 β_i=clip(2.8·(mism_i/m_global)^1.5,1.2,3.5)+全局 q0.8 门 → dens_eq（λ=0.4, k=5, clamp=0.03×RMS）+ RMS 精确复原。 -- 诊断发现：α=1.0 融合把 b 细胞精确吸附到 a 细胞坐标上，融合云里存在大量**完全重复的坐标栈**（proxy 上 5 个共有型内 33–77% 的细胞处于栈中，最大栈 146 个细胞/点）——这是 PLAN 预期的密度尖峰的极端形式，朴素逐细胞 kNN 密度在其上失效（中位 d_k=0、梯度为 0）。-- 因此把重复坐标组合并为**质量点**（质量 m=重复数），对唯一坐标建 cKDTree：d_k(g)=到 k=5 个最近不同位置的平均距离，ρ=1/d_k，grad(g)=Σ_j m_j·(pos_g−pos_j)/‖pos_g−pos_j‖²（指向密度下降方向），dev=clip((ρ−ρ_med)/ρ_med,−1,1)。-- 位移 δ_i = λ·scale·[normalize(grad)·dev + u_i·(1−1/m_i)]：第二项只对栈内细胞生效，u_i 是按型标签 crc32 播种的确定性伪随机单位向量，把栈炸开而不是整体平移（否则同栈细胞梯度/dev 完全相同，只会一起动、栈依旧）。scale=型内正 d_k 中位数。-- 硬钳 ‖δ‖ ≤ DENS_CLAMP(0.03)×RMS_cloud；随后整云 `scale_to_rms` 回位移前的精确 RMS（实测差 0.0，shape_scale 四档指标 d2_shape/occupancy_dice/scale_log_ratio 全部不动，验证成立）。-- 只动共有型（有融合 b 细胞的型）细胞；非共有型和表达矩阵不碰。单输入阶段（b is None）走原有 read_stage/take 退路，本模块不执行。+本节点新增（`nn_fuse.py` 内 `soft_c`/`soft_k`，环境变量 `SOFT_C`/`SOFT_K`）：融合目标从单个 a 侧最近邻坐标改为 **k=8 个最近邻的高斯加权质心** target_i = Σ_j w_j·pos_a_j / Σ_j w_j，w_j = exp(−d_ij²/(2σ²))，σ = c·d_med（d_med = 该型 a 侧中位最近邻距离，现场计算）。表达混合仍用 1-NN 邻居（机制不碰表达矩阵）；非共有型不碰；单输入阶段（b is None）走原有 read_stage/take 退路，本模块不执行。 -提交默认：`DENS_LAM=0.4, DENS_K=5, DENS_CLAMP=0.03, DENS_SCALE=nn`。括号、t、共有型、密度统计全部现场从 view 计算；无任何阶段/细胞数/数据集/board 硬编码；去栈随机方向由型标签 crc32 播种，与 `--seed` 和视图路径无关，输出只依赖数据与 seed。+## 机制生效证据（FUSE_DIAG=1，融合后/dens_eq 前，按型 max_stack） -## 机制生效证据（DENS_DIAG=1，λ=0.4 前的 λ=0.1 实测，λ 只线性缩幅度）--- 型内 kNN 距离变异系数 CV：1.486 → 1.257（λ=0.1；逐型：Peri 1.82→1.29、V-CM 1.40→1.16、pPHM 1.88→1.63、NCC 1.09→1.03、aPHM 1.25→1.18）——密度场确实在均衡；-- 位移中位数 1.92、p95 6.01（λ=0.1），位移/型内 d_med 比 0.070（λ=0.4 时约 0.28，>5% 门槛）；梯度方向两两 |cos| 中位 0.56，非单方向平移；-- 全局 RMS 位移前后 337.560700934 → 337.560700934（差 <1e-9）；-- 四组分（λ=0.4 vs 父 20 A半基线）：expression_change 68.03→68.03、cell_state 66.37→66.37（表达未动，逐位不变）；shape_scale 53.78→53.76（噪声内）；local_spatial 58.09→58.22（+0.13）。+- off（1-NN）：63 / 59 / 103 / 146 / 87（与父22报告的146一致）+- c=0.5：340 / 490 / 709 / 237 / 258 —— **栈反而更大**：同一局部邻域的多个 b 细胞共享同一组 k 近邻，得到完全相同的加权质心，从"多b吸到同一a细胞"变成"多b吸到同一质心"；+- c=1.0：327 / 268 / 587 / 225 / 257；c=1.5：236 / 97 / 416 / 203 / 257；+- c=2.0：86 / 21 / 277 / 150 / 256；c=3.0：27 / 2 / 86 / 77 / 251 —— 只有 σ 足够大（权重随 d 平滑变化）才逐步去栈；+- 位移逐细胞异质（disp_std 90–162），非常数位移；表达矩阵逐位不变（所有配置 X 与 off 完全相等，expr/state 四舍五入不动）。  ## 关闭对照（mechanism_off_control） -`DENS_EQ=0`（即 λ=0）时 `density_eq` 在触碰坐标前直接返回，输出与父 20 提交版逐位一致（本地跑两次 off 全部 array_equal=True；父 20 同配置 A 半 61.567）。+`SOFT_C=0`（提交默认）走原 1-NN 代码路径，本地实测输出与父 22 提交版**逐位一致**（X 与 spatial_3D array_equal=True），A 半 61.594 与父 22 的 61.594 完全复现。seed 0 双跑逐位一致。 -## 查分（A 半，`vec-score --task T2:heart:val_interp`，共 15 次，额度余 5）+## 查分（A 半，`vec-score --task T2:heart:val_interp`，本节点用 11 次，余 9） -基线 = 父 20 提交配置 **61.567**（expr 68.03 / state 66.37 / shape 53.78 / local 58.09）。+| 配置 | board | expr | state | shape | local |+|---|---:|---:|---:|---:|---:|+| **off（c=0，提交）** | **61.594** | 68.03 | 66.37 | 53.76 | 58.22 |+| c=0.5, k=8 | 59.439 | 68.03 | 66.37 | 46.99 | 56.38 |+| c=1.0, k=8 | 59.806 | 68.03 | 66.37 | 47.62 | 57.21 |+| c=1.5, k=8 | 59.889 | 68.03 | 66.37 | 48.53 | 56.64 |+| c=2.0, k=8 | 60.587 | 68.03 | 66.37 | 50.28 | 57.68 |+| c=3.0, k=8 | 61.021 | 68.03 | 66.37 | 51.83 | 57.86 | -| 配置 (λ, k, clamp) | board | local | shape |-|---|---:|---:|---:|-| 0.05, 5, 0.03 | 61.557 | 58.06 | 53.78 |-| 0.1, 5, 0.03 | 61.554 | 58.05 | 53.77 |-| 0.15, 5, 0.03 | 61.565 | 58.10 | 53.76 |-| 0.2, 5, 0.03 | 61.575 | 58.15 | 53.76 |-| 0.3, 5, 0.03 | 61.587 | 58.20 | 53.76 |-| **0.4, 5, 0.03（提交）** | **61.594** | 58.22 | 53.76 |-| 0.45, 5, 0.03 | 61.586 | 58.19 | 53.76 |-| 0.6, 5, 0.03 | 61.581 | 58.17 | 53.76 |-| 1.0, 5, 0.03 | 61.577 | 58.15 | 53.76 |-| 0.3, 5, 0.05 / 0.10 | 61.544 / 61.540 | 58.14 / 58.13 | 53.65 / 53.64 |-| 0.6, 5, 0.10 | 61.524 | 58.09 | 53.62 |-| 0.3, 3, 0.03 | 61.572 | 58.14 | 53.76 |-| 0.3, 7, 0.03 | 61.571 | 58.23 | 53.66 |-| 0.4, 7, 0.03 | 61.564 | 58.20 | 53.66 |+结论（如实）：**全网格单调劣于 off，判阴**。PLAN 的停止条件（c=3.0 时 local<58.0 停止大 c 方向；前 3 档 board<62.5 报弱阳性）全部触发，实际是强阴性。失败原因分析： -结论（如实）：机制方向正确——λ 从 0.15→0.4 单调升、峰在 λ≈0.4、CV 显著下降、clamp≤0.03 时 shape 不动；但**净增益 +0.027 board / +0.13 local，全部低于 0.5 的噪声门，判为弱阳性**。k=7 的 local 最高（58.23）但 shape_scale 一致掉 0.1，净分更低；clamp>0.03 伤 shape（大位移改变 occupancy/d2_shape），判阴。栈是 local_spatial 的主导伪影但打散它对 A 半分数几乎无感，提示 local_spatial 的余量不在融合尖峰上。+1. 加权质心把 b 细胞系统性地拉向 a 侧局部均值，融合云的局部方差被压缩（over-smoothing），d2_shape/occupancy_dice 恶化（shape_scale 掉 2–6.8 分），且事后全局 scale_to_rms（管线里本来就有）救不回形状分量——形状损伤不在 RMS 上；+2. 小 c 时质心是"离散吸引子"（同邻域同目标），栈伪影不减反增，local_spatial 也随之掉（56.4 vs 58.2）；+3. local_spatial 在**任何** c 下都没有超过 1-NN 的 58.22——与父 22 的教训一致：打散/改变融合栈对 local_spatial 无益，该组余量不在融合几何伪影上。  ## 验证过 / 未验证 -- 验证过：seed 0 两次运行逐位一致；seed 0/1 均通过 `vec-check`（17616 细胞、500 基因、无 NaN、spatial_3D 有限）；off 对照与父 20 逐位一致；提交档输出与查分的 `lam0.4` 预测 array_equal；运行 ~2 s、内存与父同量级；RMS 复原差 <1e-9。-- 未验证：final 视图（31 个共有型、栈结构可能不同）上 λ=0.4 是否仍是峰——λ 曲线在 0.3–0.6 之间平坦（±0.01），风险小；DENS_SCALE=rms 档、去栈幅度与梯度幅度分离的双 λ、以及「融合时直接散布而非事后均衡」（从源头避免栈）未试。+- 验证过：off 逐位一致对照；c ∈ {0.5,1,1.5,2,3}×k=8 全网格 A 半查分；融合后栈诊断；表达不变；seed 确定性；`vec-check` 通过。+- 未验证：k≠8（k=2/3 更轻度平滑）——趋势上 c 网格已单调劣于 off、且小扰动方向（c→0 端）栈更差分数更低，未再花额度；final 视图（31 个共有型）——机制在 proxy 上判阴，按"不提交劣化机制"原则默认关闭，final 上未测。++## 下一步建议++坐标侧事后/源头几何改造已连续 6 个节点（11、17、9、22、21、24）证伪，local_spatial 与 shape_scale 对融合几何不敏感，建议彻底停止坐标几何方向；余量更可能在表达侧（expression_change 68.03 是 A 半上最强组但 final 括号覆盖率是 proxy 的 3 倍，β/p/q 档位在 final 上未重扫——父 22 next_suggestions 同）或需要机制层面全新假设。 -## 生物学知识来源+## 知识来源 -无新增外部知识：只用了「同一细胞型在相邻阶段的细胞应占据连续、无重叠的组织空间」这一泛用空间假设；密度均衡是纯几何操作，不依赖任何保留阶段/保留基因型的测量、比例、标记基因或形态信息；未使用 `external/`、`prior/`。+无外部生物知识；全部为几何/统计操作，参数现场从 view 数据计算（d_med、共有型、括号、t），无阶段/细胞数/数据集/board 硬编码。diff --git a/solution/nn_fuse.py b/solution/nn_fuse.pyindex 61ed7ce..216c53f 100644--- a/solution/nn_fuse.py+++ b/solution/nn_fuse.py@@ -36,7 +36,7 @@ def fuse_nn(coords: np.ndarray, labels_pick: np.ndarray, from_a: np.ndarray,              q_gate: float = 0.0, beta_adapt: bool = False, beta_p: float = 1.0,              beta_lo: float = 1.2, beta_hi: float = 3.5,              min_type_cells: int = 10, gate_mode: str = "global",-             beta_mode: str = "") -> dict:+             beta_mode: str = "", soft_c: float = 0.0, soft_k: int = 8) -> dict:     """In-place displacement of picked b-side cells toward same-type a-side NNs.      If beta > 0 and expr/expr_a/ia are given, the expression of each fused@@ -79,15 +79,36 @@ def fuse_nn(coords: np.ndarray, labels_pick: np.ndarray, from_a: np.ndarray,         pos = coords[rows_b].astype(np.float64)         dist, idx = tree.query(pos[:, :fuse_ndim], k=1)         disp = np.zeros_like(pos)-        disp[:, :fuse_ndim] = alpha * (xa[idx][:, :fuse_ndim] - pos[:, :fuse_ndim])+        if soft_c > 0.0 and xa.shape[0] >= 2:+            # soft kNN gaussian-weighted centroid target instead of hard 1-NN+            kk = int(min(max(soft_k, 1), xa.shape[0]))+            dk, ik = tree.query(pos[:, :fuse_ndim], k=kk)+            dk = np.atleast_2d(dk)+            ik = np.atleast_2d(ik)+            da, _ = tree.query(xa[:, :fuse_ndim], k=2)+            da = np.atleast_2d(da)+            d_med = float(np.median(da[:, 1]))+            sigma = max(float(soft_c) * d_med, 1e-12)+            w = np.exp(-(dk.astype(np.float64) ** 2) / (2.0 * sigma * sigma))+            tgt = np.einsum("ij,ijk->ik", w, xa[ik][:, :, :fuse_ndim].astype(np.float64)) \+                / np.maximum(w.sum(1), 1e-12)[:, None]+            disp[:, :fuse_ndim] = alpha * (tgt - pos[:, :fuse_ndim])+        else:+            disp[:, :fuse_ndim] = alpha * (xa[idx][:, :fuse_ndim] - pos[:, :fuse_ndim])         coords[rows_b] = pos + disp         diag["n_fused"] += int(rows_b.size)         diag["fused_rows_by_type"][lab] = rows_b+        cr = np.round(coords[rows], 3)+        _, stack_cnt = np.unique(cr, axis=0, return_counts=True)         diag["types"][lab] = {             "n_b": int(rows_b.size),             "nn_dist": float(np.mean(dist)),             "disp_norm": float(np.mean(np.linalg.norm(disp, axis=1))),             "disp_std": float(np.std(disp, axis=0).mean()),+            "n_cells_type": int(rows.size),+            "n_unique_coords": int(stack_cnt.size),+            "max_stack": int(stack_cnt.max()),+            "frac_stacked": float((stack_cnt[stack_cnt > 1].sum()) / max(rows.size, 1)),         }         disp_stds.append(float(np.std(disp, axis=0).mean()))         nn_dists.append(float(np.mean(dist)))@@ -221,7 +242,7 @@ def interpolate_fuse(stage_a, stage_b, t: float, params: dict,                      min_type_cells: int = 10, gate_mode: str = "global",                      beta_mode: str = "",                      dens_lam: float = 0.0, dens_k: int = 5, dens_clamp: float = 0.03,-                     dens_scale: str = "nn"):+                     dens_scale: str = "nn", soft_c: float = 0.0, soft_k: int = 8):     t = float(t)     damp = float(params.get("scale_damp", 1.0))     align = str(params.get("align", "procrustes"))@@ -262,8 +283,8 @@ def interpolate_fuse(stage_a, stage_b, t: float, params: dict,                    ia=ia, beta=float(beta), varfix=bool(varfix), q_gate=float(q_gate),                    beta_adapt=bool(beta_adapt), beta_p=float(beta_p),                    beta_lo=float(beta_lo), beta_hi=float(beta_hi),-                   min_type_cells=int(min_type_cells), gate_mode=str(gate_mode),-                   beta_mode=str(beta_mode))+                    min_type_cells=int(min_type_cells), gate_mode=str(gate_mode),+                    beta_mode=str(beta_mode), soft_c=float(soft_c), soft_k=int(soft_k))     fused_rows_by_type = diag.pop("fused_rows_by_type", {})     dens_diag = density_eq(coords, labels_pick, list(fused_rows_by_type),                            float(dens_lam), int(dens_k), float(dens_clamp), str(dens_scale))@@ -318,5 +339,6 @@ def interpolate_fuse(stage_a, stage_b, t: float, params: dict,         spread_types=spread_diag.get("types", {}),         dens_lam=float(dens_lam), dens_k=int(dens_k), dens_clamp=float(dens_clamp),         dens_scale=str(dens_scale), dens_diag=dens_diag,+        soft_c=float(soft_c), soft_k=int(soft_k),     )     return expr, coords.astype(np.float32), infodiff --git a/solution/run.py b/solution/run.pyindex 0d980d1..6370169 100644--- a/solution/run.py+++ b/solution/run.py@@ -66,6 +66,8 @@ DENS_LAM = float(os.environ.get("DENS_LAM", "0.4")) DENS_K = int(os.environ.get("DENS_K", "5")) DENS_CLAMP = float(os.environ.get("DENS_CLAMP", "0.03")) DENS_SCALE = os.environ.get("DENS_SCALE", "nn")+SOFT_C = float(os.environ.get("SOFT_C", "0.0"))+SOFT_K = int(os.environ.get("SOFT_K", "8"))   def main() -> None:@@ -114,8 +116,9 @@ def main() -> None:                                               gate_mode=EXPR_GATE_MODE,                                               beta_mode=EXPR_BETA_MODE,                                               dens_lam=DENS_LAM if DENS_EQ else 0.0,-                                              dens_k=DENS_K, dens_clamp=DENS_CLAMP,-                                              dens_scale=DENS_SCALE)+                                               dens_k=DENS_K, dens_clamp=DENS_CLAMP,+                                               dens_scale=DENS_SCALE,+                                               soft_c=SOFT_C, soft_k=SOFT_K)         if ref_diag:             info["ref_diag"] = ref_diag     elif SPATIAL_STRATIFY:

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` with default `SOFT_C=0` produces output bit-identical to parent 22 (A半 61.594), passes `vec-check`, deterministic across seeds.

**做了什么**：按 PLAN T2HI-04 在 nn_fuse.py 实现软 kNN 高斯加权质心融合（k=8，σ=c·d_med）替代 1-NN 硬吸附，跑 off 对照（逐位一致）+ c∈{0.5,1,1.5,2,3} 全网格，共 11 次查分。

**查分结果**：全网格单调劣于 off——c=0.5→3.0 board 59.44→61.02，均低于 off 61.59；shape_scale 掉 2–6.8、local_spatial 在任何 c 下都未超 58.22，强阴性判阴。诊断显示小 c 时同邻域 b 细胞共享质心，栈反而从 146 涨到 709。提交 SOFT_C=0（=父 22 逐位一致，不倒退），METHOD.md 如实记录。

**下一步最值得试**：坐标几何方向已连续 6 节点证伪（11/17/9/22/21/24），应彻底停止；余量更可能在表达侧——在 final 括号（31 共有型、覆盖率 3×）重扫 β_base/p/q 档位，或表达侧全新机制假设。

调研员

```json
{
  "name": "软kNN加权质心融合替代1-NN硬吸附，从源头消除坐标栈",
  "motivation": "父22 ANALYSIS明确指出：(1)事后几何均衡（节点22 +0.13）、随机弥散（节点11）、径向匹配（节点17）、形状插值（节点9）均已证伪，不应再做事后位移；(2)建议'改在融合源头消除坐标栈——α=1.0精确吸附改为把b细胞散布到a侧最近邻周围'。当前shape_scale 54.47为最弱组、local_spatial 58.59次弱。α=1.0硬1-NN导致33–77%细胞处于完全重复栈（最大146细胞/点），这是occupancy_dice和局部空间指标的结构瓶颈。节点18证明α<1单调降分（不到达目标），节点11证明事后随机抖动无效，节点21证明容量约束LAP零响应——但从未试过改变目标点本身的计算方式（从单点变为加权质心）。",
  "approach": "在nn_fuse.py中把硬1-NN目标替换为软kNN加权质心：对每个被融合b细胞，找a侧同型k=8个最近邻，计算高斯加权质心 target_i = Σ_j w_j·pos_a_j / Σ_j w_j，w_j = exp(−d_ij²/(2σ²))，σ = c·d_med（d_med为该型a侧中位NN距离）。b细胞新坐标 = target_i（等价α=1.0但目标不再是单个a细胞坐标）。关键参数：c（带宽系数），初值1.0，搜索{0.5, 0.75, 1.0, 1.5, 2.0, 3.0}；k固定8（足够平滑且计算快）。实现步骤：(1)修改nn_fuse.py，在cKDTree查询后取k=8邻居，计算加权质心替代1-NN坐标；(2)c=0退化为1-NN（off对照）；(3)vec-score快速扫c网格（每次~2s），选local+shape净分最高的c；(4)确认shape_scale不降（若降则加RMS复原）；(5)提交最佳c。单输入阶段退路：b is None时走原有read_stage/take，本模块不执行。全程不碰表达矩阵，不碰非共有型。",
  "expected_groups": ["local_spatial", "shape_scale"],
  "risks": "1) σ过大（c>2）导致目标过于平均化，丢失局部结构，local_spatial反降——Engineer应在c=3.0时若local<58.0即停止大c方向；2) σ过小（c<0.5）退化为1-NN，无效果——与off对照比较即可发现；3) 加权质心可能系统性偏移型心，改变全局shape——用RMS复原+质心对齐保护；4) 增益仍在噪声内（<1分）——若前3个c值board均<62.5，如实报告弱阳性。尽早发现：第一次c=1.0跑完即知方向正误。",
  "family_id": "T2HI-04",
  "mechanism": "将1-NN硬目标替换为k近邻高斯加权质心，每个b细胞的融合目标取决于其局部邻域的加权几何中心而非单个a细胞坐标，从源头消除多b细胞映射到同一a坐标的栈伪影。",
  "vs_constant_shift": "常数位移对型内所有细胞施加相同向量；本机制为每个b细胞计算不同的加权质心目标（取决于其独特的局部邻域构型），位移方向和幅度逐细胞异质，且仅在共有型的融合b细胞上生效。",
  "mechanism_evidence": "Engineer应记录：(1)融合后型内唯一坐标数（off=1-NN时约124个唯一坐标，on时应接近细胞总数）；(2)型内kNN距离CV（应从1.49下降）；(3)位移向量两两余弦分布（应非单峰，证明非平移）；(4)四组分各自变化（预期local+shape升、expr/state不动）；(5)最大栈大小应从146→1或2。",
  "mechanism_off_control": "c=0（或设SOFT_FUSE=0）时σ→0，高斯权重退化为1-NN（最近邻权重1、其余为0），输出与父22提交版逐位一致。Engineer跑off对照确认array_equal=True。",
  "sources": []
}
```

审查员

REVIEW.json written