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

节点 n7 在终选来历上

双bracket组成插值：按 t 从上下 bracket 分层抽样真实细胞混合，Procrustes 对齐坐标并统一缩放到插值 RMS；型均值位移实测各变体均降分，默认关闭。

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 01e8f58c10: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 aa0fb7b126。改动的文件：solution/METHOD.md +28 −21、solution/run.py +126 −45

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 12f3c5f..1cb1e67 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,36 +1,43 @@-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）。+双bracket组成插值：按 t 从上下 bracket 分层抽样真实细胞混合，Procrustes 对齐坐标并统一缩放到插值 RMS；型均值位移实测各变体均降分，默认关闭。 -## 方法（family T2HI-01，PLAN 指定的型均值时间插值）+## 方法（family T2HI-01，improve 自节点 6） -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。+节点 6 只取下 bracket 细胞 + 型均值位移（51.02）。本节点补上 PLAN 的组成插值分量： -## 机制开关与对照（mechanism_off_control）+1. `interp_bracket` 取 (a, b, t)（proxy: E8.25_late + E9.5 → E8.75，t=0.4；真实: E8.25 + E8.75 → E8.5，t=0.5）。+2. 总细胞数 n = `interp_count`（两 bracket 细胞数 log 线性插值，夹到 [min_cells, max_cells]；proxy n=17616）。`mix_indices` 分层抽 (1−t)·n=10570 个 a 细胞、t·n=7046 个 b 细胞（frac_b=0.400≈t，机制生效证据）。+3. 坐标：`align_pair(procrustes)`（z 保持，xy 用共有型质心 Kabsch，z 符号按质心相关取正；proxy 上 5 个共有型、z 未翻），两朵云各自 `scale_to_rms` 到 target_rms = log_interp(rms_a, rms_b, t, damp=1)（proxy: 354.1/335.0→346.3），拼接后去重复点抖动（`_jitter`）再统一缩放。+4. 表达位移（双向：a 细胞 +t·delta[型]，b 细胞 −(1−t)·delta[型]，delta=mb−ma，共有型 5 个；缺失型按节点 6 的门控借用，a 侧 28/33、b 侧 21/22 型被位移）——**默认关闭**（T2HI_EXPR=0），原因见下表：叠加在组成混合之上时所有变体都降分。+5. 回退（视图无关）：单输入 / 目标不被 bracket → t=0 → copy_last（整份或分层抽到上限）。代码只用时间差与数据，无绝对时间、路径、视图分支。 -`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）：+## 机制对照与查分（vec-score A 半，proxy，seed 0） -| 配置 | board | expression_change | cell_state | shape_scale | local_spatial |+| 配置 | 榜分 | cell_state | expression_change | local_spatial | shape_scale | |---|---:|---:|---:|---:|---:|-| 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。+| **on：组成插值（提交版，位移 off）** | **59.07** | 65.93 | 63.83 | 53.46 | 53.07 |+| on + 双向位移（共有型+门控借用） | 55.26 | 52.39 | 66.16 | 49.73 | 52.78 |+| on + 双向位移（仅共有型 5 个） | 58.80 | 63.89 | 65.15 | 53.08 | 53.07 |+| on + 仅 a 侧位移（借用） | 57.07 | 62.53 | 63.16 | 49.76 | 52.82 |+| on + 仅 b 侧位移（借用） | 55.76 | 53.96 | 65.32 | 50.67 | 53.07 |+| on + 仅 a 侧位移（仅共有型） | 58.58 | 65.46 | 63.22 | 52.54 | 53.07 |+| off（T2HI_COMPMIX=0 + T2HI_EXPR=1 = 节点 6） | 50.92（节点 6 记录） | 50.74 | 51.75 | 51.27 | 49.92 |++- off 对照已验证与节点 6 输出**逐元素一致**（X、坐标、基因全等）。off→on 榜分 50.92→59.07，证实组成插值是 +8 的增量来源（cell_state 50.7→65.9）。+- 位移分量：在组成混合之上，任何位移变体都使 cell_state（mmd）和 local_spatial（neighborhood_mmd、variogram）下降，幅度超过 expression_change（de_score/de_direction）的收益；借用错配型的位移破坏最重（cell_state −13.5）。原因：mix 的两 bracket 真实细胞已呈现目标时刻的表达分布，再按"别的型"的时间差平移会把细胞推出目标分布、并让空间相邻的 a/b 同型细胞表达劈裂。故提交版按 PLAN 第 8 步的筛选规则将位移默认关闭，开关保留（T2HI_EXPR/T2HI_SIDES/T2HI_BORROW/T2HI_DECAY）。+- 与方法卡一致：本 proxy 上 hyb_type_mix(58.78) < mix_proc(59.12)；提交版 59.07 ≈ mix 家族最好水平（节点 2 = 59.50，差异在噪声内）。  ## 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）。+- 验证：proxy 视图 7 次 vec-score（含对照）；vec-check ok；seed 0 确定性（两次运行逐元素一致）；seed 1 输出不同（非退化）；off 对照与节点 6 逐元素一致；运行 <7s、内存 <1GB。+- 没验证：真实 bracket（E8.25+E8.75，31 个共有型）上的表现——共有型多时双向位移可能不再有害（借用分支基本不触发），但 proxy 上无法检验，未敢默认打开；伪装视图重跑（代码无绝对时间/路径依赖，预期通过）；多种子官方分。+- 已知局限：shape_scale（53.1）受 proxy 两端 RMS（354/335）与目标真值（217）不匹配限制，log 插值到不了，scale_damp 无法诚实地修复（真实 bracket 上 damp=1 才正确）；local_spatial（53.5）是 mix 家族的平台。  ## 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。+无外部生物知识写入程序。细胞数、RMS、型均值、delta、借用阈值全部由 manifest 指向的两个 bracket 现场计算；坐标对齐只用共有细胞类型质心（数据驱动）。未使用 external/ 与 prior/。  ## 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）。+1. 真实 bracket 共有型 31/33：在 final 视图上双向位移（仅共有型）可能转为正收益，可用 X 尺子或终选前检验"共有型 only + 双侧"开关。+2. local_spatial 平台（~53）：尝试把 b 侧细胞放到 a 侧同型细胞的近邻位置（型内坐标匹配），而非整体 Kabsch 叠加。+3. shape_scale：目标 RMS 无法从 bracket 插值到 217（proxy 特有），不建议调 damp。diff --git a/solution/run.py b/solution/run.pyindex fdde884..04d97b4 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,23 @@ #!/usr/bin/env python3-"""copy_last + per-cell-type mean-expression time interpolation (family T2HI-01).--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.+"""Composition interpolation (dual-bracket sampling) + bidirectional per-type+mean-expression displacement (family T2HI-01).++Output cells are drawn from both bracketing stages: (1-t)*n stratified cells+from the lower bracket and t*n from the upper bracket (t from the manifest+times). Coordinates of both clouds are put in one frame by z-held Procrustes+on shared cell-type centroids and rescaled to a log-interpolated target RMS,+so the mixed cloud keeps one coherent shape. Expression: lower-bracket cells+get +t*delta[type], upper-bracket cells get -(1-t)*delta[type], where+delta = mean_upper[type] - mean_lower[type] is computed on the fly for types+present in both brackets. Types present in only one bracket borrow the delta+of their expression-nearest common type, gated by the median pairwise distance+of common type means (data-driven, avoids mismatched shifts).++Fallbacks (view-independent): single input / target not bracketed -> t = 0 ->+copy_last. Mechanism switches: T2HI_COMPMIX=0 keeps all cells in the lower+bracket (parent node behaviour); T2HI_EXPR=0 disables displacement (pure+mix); T2HI_BORROW=0 restricts displacement to common types; T2HI_T=0 forces+copy_last. """  from __future__ import annotations@@ -17,8 +27,11 @@ import os  import numpy as np -from src.task2_spatial.sample import take+from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.methods import _jitter+from src.task2_spatial.sample import interp_count, mix_indices, take from src.task2_spatial.shift import apply_type_delta, type_means+from src.task2_spatial.transport import as_dense from src.task2_spatial.view_io import (     interp_bracket,     load_manifest,@@ -28,6 +41,30 @@ from src.task2_spatial.view_io import ( )  +def _borrow(means_src: dict, delta: dict, common: list[str], decay: float = 0.0) -> dict:+    """Deltas for src-only types: nearest common type in src mean space, gated+    by the median pairwise distance among common type means. With decay > 0 a+    borrowed delta is scaled by (1 - decay * dist / ref)."""+    out = {}+    if not delta or len(common) == 0:+        return out+    C = np.stack([means_src[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, v in means_src.items():+        if lab in delta:+            continue+        dist = np.sqrt(((C - v) ** 2).sum(-1))+        j = int(np.argmin(dist))+        if dist[j] <= ref:+            d = delta[common[j]]+            if decay > 0.0 and np.isfinite(ref) and ref > 0:+                d = d * np.float32(max(0.0, 1.0 - decay * float(dist[j]) / ref))+            out[lab] = d+    return out++ def main() -> None:     parser = argparse.ArgumentParser()     parser.add_argument("--data", required=True)@@ -40,49 +77,93 @@ def main() -> None:     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 <= a.n:-        rows = np.sort(take(a.labels, n, rng))-    else:  # fewer cells than min_cells: resample with replacement-        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:+    compmix = os.environ.get("T2HI_COMPMIX", "1") != "0"+    # Displacement default OFF: on the proxy every displacement variant scored+    # below pure composition mix (see METHOD.md); switches kept for controls.+    use_expr = os.environ.get("T2HI_EXPR", "0") != "0"+    use_borrow = os.environ.get("T2HI_BORROW", "1") != "0"++    lo, hi = int(manifest["min_cells"]), int(manifest["max_cells"])++    if t <= 0.0 or not compmix:+        # Lower-bracket-only path (parent node behaviour / copy_last fallback).+        n = int(np.clip(a.n, lo, hi))+        rng = np.random.default_rng(args.seed)+        if n <= a.n:+            rows = np.sort(take(a.labels, n, rng))+        else:+            rows = np.sort(rng.choice(a.n, size=n, replace=True))         delta = {}+        if t > 0.0 and use_expr:+            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 use_borrow:+                delta.update(_borrow(ma, delta, sorted(delta)))+            norms = np.array([np.linalg.norm(d) for d in delta.values()])+            print(f"[comp-mix off] t={t:.3f} types_shifted={len(delta)}/{len(ma)} "+                  f"delta_norm mean={norms.mean():.4f} max={norms.max():.4f}", flush=True)+        X = apply_type_delta(a.X, a.labels, rows, delta, t)+        write_t2(args.out, X, a.coords[rows], genes, seed=args.seed)+        return++    b = read_stage(args.data, b_entry, genes)+    ma = type_means(a.X, a.labels)+    mb = type_means(b.X, b.labels)+    common = sorted(set(ma) & set(mb))+    delta = {lab: (mb[lab] - ma[lab]).astype(np.float32) for lab in common}+    sides = os.environ.get("T2HI_SIDES", "both")+    decay = float(os.environ.get("T2HI_DECAY", "0.0"))+    delta_a = dict(delta) if sides in ("a", "both") else {}+    delta_b = dict(delta) if sides in ("b", "both") else {}+    if delta and use_borrow:+        if sides in ("a", "both"):+            delta_a.update(_borrow(ma, delta, common, decay))+        if sides in ("b", "both"):+            delta_b.update(_borrow(mb, delta, common, decay))++    n = interp_count(a.n, b.n, t, lo, hi, 1.0)+    rng = np.random.default_rng(args.seed)+    ia, ib = mix_indices(a.labels, b.labels, t, n, rng)++    align = os.environ.get("T2HI_ALIGN", "procrustes")+    scale_damp = float(os.environ.get("T2HI_DAMP", "1.0"))+    min_count = int(os.environ.get("T2HI_MINCOUNT", "30"))+    aligned_a, aligned_b, ainfo = align_pair(a.coords, b.coords, a.labels, b.labels, align, min_count)+    rms_a = rms_radius(a.coords)+    rms_b = rms_radius(b.coords)+    target_rms = log_interp(rms_a, rms_b, t, scale_damp)+    ca = scale_to_rms(aligned_a, target_rms)+    cb = scale_to_rms(aligned_b, target_rms)++    if use_expr:+        xa = apply_type_delta(a.X, a.labels, ia, delta_a, t) if ia.size else as_dense(a.X, ia)+        xb = apply_type_delta(b.X, b.labels, ib, delta_b, -(1.0 - t)) if ib.size else as_dense(b.X, ib)+    else:+        xa = as_dense(a.X, ia)+        xb = as_dense(b.X, ib)+    expr = np.clip(np.vstack([xa, xb]), 0.0, None).astype(np.float32)++    coords = _jitter(np.vstack([ca[ia], cb[ib]]), rng)+    coords = scale_to_rms(coords, target_rms)++    frac_b = float(ib.size) / max(expr.shape[0], 1)+    n_sa = len(delta_a) if use_expr else 0+    n_sb = len(delta_b) if use_expr else 0+    print(f"[comp-mix on] t={t:.3f} n={expr.shape[0]} n_from_a={ia.size} n_from_b={ib.size} "+          f"frac_b={frac_b:.3f} common_types={len(common)} "+          f"shifted_a={n_sa}/{len(ma)} shifted_b={n_sb}/{len(mb)} "+          f"rms_a={rms_a:.1f} rms_b={rms_b:.1f} target_rms={target_rms:.1f} "+          f"align_types={ainfo.get('n_types')} z_flipped={ainfo.get('z_flipped')}", flush=True) -    X = apply_type_delta(a.X, a.labels, rows, delta, t)-    write_t2(args.out, X, a.coords[rows], genes, seed=args.seed)+    write_t2(args.out, expr, coords.astype(np.float32), 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。总结：

**做了什么**：在节点 6 基础上实现 PLAN 的 T2HI-01 组成插值分量——按 t 从上下 bracket 分层抽样真实细胞（10570/7046，frac_b=0.4≈t），Procrustes 对齐坐标、统一缩放到 log 插值 RMS，并实现双向型均值位移（含门控借用）与全部机制开关。off 对照（COMPMIX=0+EXPR=1）与节点 6 输出逐元素一致。

**查分结果**（A 半，7/20 次）：组成插值 **59.07**（cell_state 50.7→65.9，vs 节点 6 的 50.92）；但位移叠加在 mix 上全变体降分（双向借用 55.26、仅共有型 58.80、单侧 55.8–58.6），故提交版默认关闭位移，≈ 方法卡 mix 最好水平、与节点 2（59.50）噪声内持平，远超父节点 51.02。vec-check 通过、seed 确定、运行 <7s。

**下一步最值得试**：真实 bracket 共有型 31/33（proxy 只有 5），"仅共有型双向位移"在 final/X 尺子上可能转为正收益；以及 local_spatial 平台（~53）——尝试 b 侧细胞按型内近邻放到 a 侧坐标，而非整体 Kabsch 叠加。

调研员

胞，组成完全固定在下bracket；proxy上两bracket仅5/33同名型，说明组成在时间上大幅变化。补上组成插值（从双bracket按t比例抽样）是T2HI-01家族尚未实现的一半，预期直接改善cell_state和expression_change。",
  "approach": "步骤：\n1. 沿用节点6的interp_bracket取a_entry/b_entry/t（proxy t≈0.4）。若b_entry为None或t=0，退化为节点6（即copy_last+无位移）。\n2. 读取两个bracket的完整AnnData（a和b）。\n3. 组成插值抽样：总目标细胞数n=clip(min_cells,max_cells)。从下bracket分层抽样取n_lo=round(n*(1-t))个细胞，从上bracket分层抽样取n_hi=n-n_lo个细胞。各自按labels分层（复用现有take函数）。若某bracket某型细胞不足，从该bracket有放回抽样补齐。\n4. 表达位移（双向）：对共有型（两bracket同名的型，节点6逻辑）计算delta=mean_b-mean_a。下bracket细胞加+t*delta[type]；上bracket细胞加-(1-t)*delta[type]。非共有型沿用节点6的borrow+门控逻辑（对下bracket细胞借最近共有型delta；对上bracket细胞同样借用，方向取负）。若borrow关闭（T2HI_BORROW=0），非共有型不位移。\n5. 坐标：下bracket细胞用a.coords，上bracket细胞用b.coords，拼接。\n6. 写输出（write_t2），基因用panel_genes。\n7. 环境变量开关：T2HI_COMPMIX=0时，n_hi=0，所有细胞来自下bracket，行为与节点6逐元素一致（对照）。T2HI_T=0仍强制t=0，退化为copy_last。\n8. vec-score快速筛选：先跑off（COMPMIX=0）确认与节点6分数一致（±0.5），再跑on看cell_state和expression_change是否超噪声（>1分）。若cell_state提升但local_spatial下降超2分，考虑只对上bracket细胞做坐标微扰（加小噪声σ=坐标标准差的1%）或降低n_hi比例（0.8*t）。",
  "expected_groups": ["cell_state", "expression_change"],
  "risks": "1) 上bracket坐标系与下bracket不对齐，拼接后local_spatial/shape_scale下降——Engineer应在第一次vec-score时检查这两组，若降>1.5分则只取表达不取坐标（上bracket细胞用下bracket最近邻坐标替代）。2) proxy上两bracket类型几乎不重叠（5/33），上bracket细胞大多无法获得有意义的负向位移，expression_change收益可能有限——此时上bracket细胞保持原表达即可（它们本身已代表更晚时间点）。3) 30分钟时限：代码改动量中等（读上bracket、双向抽样、拼接），应在15分钟内完成首版，留15分钟查分。",
  "family_id": "T2HI-01",
  "mechanism": "按时间比例t从上下两个bracket分别抽样细胞实现组成插值，并对两侧细胞施加方向相反的型均值表达位移，使输出在细胞类型组成和表达水平上同时逼近目标时间点。",
  "vs_constant_shift": "常数位移对所有细胞加同一向量；本方案按型计算不同delta，且核心增量是组成变化——从上bracket引入新细胞（新类型、新坐标），改变输出的细胞型比例，这是任何全局位移无法实现的。",
  "mechanism_evidence": "1) 输出中来自上bracket的细胞比例应≈t（打印统计）。2) 输出的细胞型组成应介于两bracket之间（计算组成向量的余弦相似度）。3) cell_state分组应显著提升（>2分），因为目标时间点的类型组成被更好地近似。4) 关闭组成插值（COMPMIX=0）后cell_state应回落到节点6水平。",
  "mechanism_off_control": "设T2HI_COMPMIX=0：n_hi强制为0，所有细胞来自下bracket，表达位移逻辑与节点6完全相同，输出应与节点6逐元素一致（可用np.allclose验证）。预期：cell_state回到≈51，证实组成插值是增量来源。",
  "sources": []
}
```