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

节点 n6 在终选来历上

copy_last 细胞+坐标不变，按细胞型叠加 t×(上bracket型均值−下bracket型均值) 的表达位移；无同名型的细胞借用最近似型位移（超阈值不位移）。

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 aa0fb7b126: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 f1a193e7e9。改动的文件：solution/EXECUTION.json +1 −0、solution/METHOD.md +36 −0、solution/README.md +0 −4、solution/run.py +61 −12

diff --git a/solution/EXECUTION.json b/solution/EXECUTION.jsonnew file mode 100644index 0000000..9d5125c--- /dev/null+++ b/solution/EXECUTION.json@@ -0,0 +1 @@+{"gpu": false}diff --git a/solution/METHOD.md b/solution/METHOD.mdnew file mode 100644index 0000000..12f3c5f--- /dev/null+++ b/solution/METHOD.md@@ -0,0 +1,36 @@+copy_last 细胞+坐标不变，按细胞型叠加 t×(上bracket型均值−下bracket型均值) 的表达位移；无同名型的细胞借用最近似型位移（超阈值不位移）。++## 方法（family T2HI-01，PLAN 指定的型均值时间插值）++1. `interp_bracket` 取目标两侧输入（本视图 E8.25_late / E9.5），t=(target−a)/(b−a)，由 manifest 时间戳算出（proxy t=0.4）。+2. 细胞与坐标：与 copy_last 完全相同——下 bracket 按细胞型分层抽样 `take` 到 [min_cells, max_cells]，坐标原样。+3. 表达：对两 bracket 分别算每个细胞型的平均表达（现场计算，`type_means`），共有型的 delta = mean_b − mean_a，每个细胞加 t×delta[type]，clip≥0。+4. 非共有型借用：proxy 上两 bracket 只有 5/33 个同名型（覆盖 12% 细胞）。其余型借用表达均值最近（欧氏距离）的共有型的 delta；若最近距离超过共有型两两距离的中位数（数据驱动的阈值），则不位移。`T2HI_BORROW=0` 可关掉借用。+5. 单输入 / 无上 bracket：t=0，退化为 copy_last。++## 机制开关与对照（mechanism_off_control）++`T2HI_T=0` 强制 t=0（跳过位移），输出与 copy_last 逐元素相同（已验证 off2.h5ad == off.h5ad，且 off 与父节点同一抽样逻辑）。vec-score 对比（A 半）：++| 配置 | board | expression_change | cell_state | shape_scale | local_spatial |+|---|---:|---:|---:|---:|---:|+| off (t=0, =copy_last) | 48.73 | 44.06 | 51.26 | 49.76 | 49.83 |+| on, 仅共有型 (5/33) | 49.64 | 46.99 | 51.53 | 49.92 | 50.13 |+| on, 全借用 (33/33) | 50.36 | 52.05 | 48.43 | 49.92 | 51.03 |+| on, 门控借用 (28/33)（提交版） | 50.92 | 51.75 | 50.74 | 49.92 | 51.27 |++机制生效证据：expression_change 44.06→51.75，de_direction −0.126→+0.131；位移范数 mean≈18.4、max≈22.8（各型不同，非全局常数）；只加均值差、不替换个体值，型内方差不塌缩。全借用把 cell_state 打到 48.4（不相似型的错配位移），门控后恢复 50.74。++## 验证过 / 没验证++- 验证：proxy 视图（E8.25_late+E9.5→E8.75）上 4 个配置的 vec-score；off 对照与 copy_last 逐元素一致；vec-check ok；seed 确定（rng 只用于分层抽样）。+- 没验证：真实 bracket（E8.25+E8.75，31 个共有型，借用分支基本不触发，行为≈仅共有型版）；多 seed； disguise 视图重跑（代码只用时间差与数据，无绝对时间/路径分支，预期通过）。+- 已知局限：本方法仍显著低于 mix 家族（节点 2 = 59.5）。型均值位移不改变细胞组成与坐标，expression_change 提升有限；shape_scale/local_spatial 与 copy_last 相同（受分层抽样噪声限制，≈49.8–51.3）。++## 知识来源++无外部生物知识写入程序；delta、借用距离、门控阈值全部由视图内两个 bracket 的表达现场计算。++## 下一步建议++型均值位移对 copy_last 只有 +2 分空间；要上 55+ 需要改组成与坐标（mix/hybrid 家族），或把本机制叠加在 mix 的真实细胞混合之上（对应方法卡 hyb_type_mix）。diff --git a/solution/README.md b/solution/README.mddeleted file mode 100644index 49dbaae..0000000--- a/solution/README.md+++ /dev/null@@ -1,4 +0,0 @@-# copy_last（T2:heart:val_interp）--输出目标之前最近的输入阶段（proxy 与 final 都是 E8.25_late），表达和坐标原样。E8.25_late 有 58,716 个细胞，超过榜上限 17,616，按细胞类型分层无放回抽到上限。-proxy 预期 ≈ 48.6（seed 0 实测 48.64；表达 44.1 / 状态 51.4 / 形状 49.4 / 邻域 49.6）。低于地板 50 的原因：地板是整份参考阶段本身，de_score 恰为 0；抽样后的子集相对参考阶段有抽样噪声造成的假差异（`_de_raw` 0.196），de_score 变负。合规上限迫使抽样，所以这是合法 copy_last 的实际地板。diff --git a/solution/run.py b/solution/run.pyindex 0595dc9..fdde884 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,20 +1,31 @@ #!/usr/bin/env python3-"""copy_last (T2): the latest input at or before the target, with its own coordinates.+"""copy_last + per-cell-type mean-expression time interpolation (family T2HI-01). -Interpolation boards take the lower bracket stage, extrapolation boards the-last input; this is the floor's reference stage on the proxy. Cells are drawn-stratified by cell type only when the stage exceeds the board's max_cells.-Expression and coordinates are unchanged.+Cells and coordinates come from the lower bracket stage (anchor, as in+copy_last). Expression of each cell is shifted by t * (mean_upper[type] -+mean_lower[type]), where t is the time interpolation fraction from the+manifest and the type means are computed on the fly from the two bracketing+input stages. Types present in only one bracket keep their expression.+With no upper bracket (single input / extrapolation) t = 0 and the output is+exactly copy_last. Mechanism-off control: T2HI_T=0 forces the same fallback. """  from __future__ import annotations  import argparse+import os  import numpy as np  from src.task2_spatial.sample import take-from src.task2_spatial.view_io import anchor_entry, load_manifest, panel_genes, read_stage, write_t2+from src.task2_spatial.shift import apply_type_delta, type_means+from src.task2_spatial.view_io import (+    interp_bracket,+    load_manifest,+    panel_genes,+    read_stage,+    write_t2,+)   def main() -> None:@@ -26,14 +37,52 @@ def main() -> None:      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)-    stage = read_stage(args.data, anchor_entry(manifest), genes)-    n = int(np.clip(stage.n, manifest["min_cells"], manifest["max_cells"]))+    a_entry, b_entry, t = interp_bracket(manifest)+    a = read_stage(args.data, a_entry, genes)++    n = int(np.clip(a.n, manifest["min_cells"], manifest["max_cells"]))     rng = np.random.default_rng(args.seed)-    if n <= stage.n:-        rows = np.sort(take(stage.labels, n, rng))+    if n <= a.n:+        rows = np.sort(take(a.labels, n, rng))     else:  # fewer cells than min_cells: resample with replacement-        rows = np.sort(rng.choice(stage.n, size=n, replace=True))-    write_t2(args.out, stage.X[rows].toarray(), stage.coords[rows], genes, seed=args.seed)+        rows = np.sort(rng.choice(a.n, size=n, replace=True))++    env_t = os.environ.get("T2HI_T")+    if env_t is not None:+        t = float(env_t) if b_entry is not None else 0.0+    if b_entry is None:+        t = 0.0++    if t > 0.0:+        b = read_stage(args.data, b_entry, genes)+        ma = type_means(a.X, a.labels)+        mb = type_means(b.X, b.labels)+        delta = {lab: mb[lab] - ma[lab] for lab in ma if lab in mb}+        if delta and os.environ.get("T2HI_BORROW", "1") != "0":+            # anchor types missing from the upper bracket borrow the delta of+            # their nearest matched anchor type (Euclidean distance of type-mean+            # expression in the lower stage).+            common = sorted(delta)+            C = np.stack([ma[c] for c in common])+            pair_d = np.sqrt(((C[:, None, :] - C[None, :, :]) ** 2).sum(-1))+            iu = np.triu_indices(len(common), 1)+            ref = float(np.median(pair_d[iu])) if len(common) > 1 else float("inf")+            for lab in ma:+                if lab in delta:+                    continue+                v = ma[lab]+                dist = np.sqrt(((C - v) ** 2).sum(-1))+                j = int(np.argmin(dist))+                if dist[j] <= ref:+                    delta[lab] = delta[common[j]]+        norms = np.array([np.linalg.norm(d) for d in delta.values()])+        print(f"t={t:.3f} types_shifted={len(delta)}/{len(ma)} "+              f"delta_norm mean={norms.mean():.4f} max={norms.max():.4f}", flush=True)+    else:+        delta = {}++    X = apply_type_delta(a.X, a.labels, rows, delta, t)+    write_t2(args.out, X, a.coords[rows], genes, seed=args.seed)   if __name__ == "__main__":

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。

- **做了什么**：按 PLAN（family T2HI-01）在 copy_last 细胞+坐标上叠加 t×(上−下 bracket 型均值差) 的表达位移；proxy 上仅 5/33 型同名，故为无同名型借用最近似共有型的 delta，并以共有型两两距离中位数门控（28/33 型位移）。机制开关 `T2HI_T=0` 输出与 copy_last 逐元素一致。
- **查分**（4 次，余 16）：off=48.73（≈父 48.68）；仅共有型 49.64；全借用 50.36；**门控借用 50.92**（expression_change 44.06→51.75，cell_state 50.74）。vec-check ok，重跑逐元素确定。
- **下一步最值得试**：型均值位移天花板低，55+ 需改组成/坐标——把该 delta 叠加在 mix 的真实细胞混合上（方法卡 hyb_type_mix 方向），或对 mix 输出做型内表达插值。

调研员

{
  "name": "copy_last + 按细胞型均值表达线性插值（单bracket简化版）",
  "motivation": "父节点1（copy_last）expression_change仅44.26，是四组最弱；对比mix基线（节点2）expression_change 63.90，差距约20分。copy_last完全不改变表达，是expression_change低分的直接原因。兄弟节点4尝试了类似思路但gen_failed（代码生成失败，非方法失败），本次用极简实现规避该风险。",
  "approach": "步骤：1) 读下bracket（anchor_entry，即E8.25_late）和上bracket（manifest中下一个阶段）的表达矩阵与细胞类型标签；2) 对每个细胞型，分别计算两个阶段的平均表达向量（仅在共同基因上）；3) 计算插值比例 t = (target_time - lower_time) / (upper_time - lower_time)，由manifest时间戳得出；4) 对下bracket中每个细胞，按其细胞型加上 t × (upper_mean - lower_mean) 作为表达修正；5) 坐标不变（保持copy_last行为）；6) 若细胞型仅存在于一个bracket，该型细胞表达不变。单输入阶段退路：若只有一个输入阶段（无上bracket），t=0，输出退化为copy_last。用vec-score查一次确认expression_change是否提升，若提升>2分再跑完整。关键参数：t由时间戳决定，无需搜索。",
  "expected_groups": ["expression_change", "cell_state"],
  "risks": "1) 上bracket阶段可能不在合法输入中或基因面板不同，导致无法计算均值——Engineer应先打印manifest确认阶段列表和基因交集；2) 细胞型在两个bracket间不完全重叠，稀有型可能缺失——缺失型直接跳过（表达不变）；3) 均值插值抹平型内方差——风险可控因为只加均值差，不替换个体值；4) 提升可能<1分噪声——用A半查2次确认方向。",
  "family_id": "T2HI-01",
  "mechanism": "按细胞型计算上下bracket的平均表达差，以时间插值比例t缩放后叠加到每个细胞，使表达反映目标时间点的型特异性趋势。",
  "vs_constant_shift": "位移量按细胞型分别计算（每型一个向量），不是全局常数；且幅度由时间比例t和实际观测的阶段间表达差决定，不是任意设定值。",
  "mechanism_evidence": "1) expression_change分组分数应显著高于44.26；2) 打印各细胞型的平均位移向量范数，确认非零且型间不同；3) 对比插值前后每个细胞型的表达均值，应向上bracket方向移动；4) 型内表达方差不应坍缩（插值前后型内标准差比值>0.9）。",
  "mechanism_off_control": "将插值比例t强制设为0（或跳过插值步骤），输出应与copy_last完全一致（相同种子下逐元素相等）。若t=0与t>0输出相同，说明机制未生效。",
  "sources": []
}