总览 · ← 返回运行 20261003-043412-search-t2-embryo-interp-g24-D-s1

节点 n14

radial bin 内晚端细胞改选距型内混合质心 (1−t)μ_a+tμ_b 最近者（中间态偏好，保径向覆盖），κ 0.5→0.65 联合生效；xy 膨胀叠加被否证，off 对照=父节点。

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 147c45ff84: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 bfb87cc82d。改动的文件：solution/METHOD.md +24 −29、solution/run.py +84 −6

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 7f82d06..329982e 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,43 +1,38 @@-实现PLAN的型内a-b近邻配对插值生成中间态细胞（T2EI_INTERP_FRAC，含空间加权配对与坐标插值变体）：cell_state一致+1.2但local_spatial一致−2.0，净效应在噪声内或为负，机制被否证；提交态默认关闭，输出与父节点node 8逐位一致（off对照查分60.3156=父记录）。+radial bin 内晚端细胞改选距型内混合质心 (1−t)μ_a+tμ_b 最近者（中间态偏好，保径向覆盖），κ 0.5→0.65 联合生效；xy 膨胀叠加被否证，off 对照=父节点。 -## 方法+## 方法（家族 T2EI-01） -提交态 = 父节点配置：mix + procrustes3d + scale_damp=0.455 + 组成阻尼 κ=0.5 + 晚端 radial 等频分层。新增环境变量开关（默认全关，`T2EI_INTERP_FRAC=0` 时配对/插值代码路径不执行，输出与父节点逐位一致，已用 sha256 与 off 对照查分双重验证）：+提交态 = mix + procrustes3d 对齐 + scale_damp=0.455 + 组成阻尼 κ=0.65 + 晚端细胞类型内径向等频分层（radial bins），**新增机制**：每个 radial bin 内不再随机取一个细胞，而是取到该型混合质心 m_c=(1−t)·μ_a(c)+t·μ_b(c) 最近的细胞。距离在型内 z-score 表达空间计算（均值/方差取自 A_c∪B_c 全部细胞，与 node 7/12 的配对空间一致）；a 侧 <3 细胞的型退化为 bin 内随机（15/26 个小型跳过，11 型生效）；k<4 或全选的型保持父节点行为。逐细胞异质：同一 bin 内哪个细胞入选取决于其表达谱，类型配额、总数、坐标几何均不变。 -1. **T2EI_INTERP_FRAC（PLAN 机制，型内近邻配对插值）**：对每个共有型 c（stage-a 该型 ≥3 个细胞，否则跳过），在按基因型内 z-score（均值/方差取自 A_c∪B_c）的表达空间里为每个入选 b 细胞找 A_c 中最近邻 a（欧氏，平局取小索引），按距离升序取前 FRAC 比例配对，生成 `expr=(1−t)·a_nn+t·b`（clip≥0），替换对应 b 槽位；a 细胞、类型配额、总数不动。-2. **T2EI_INTERP_COORD**（默认 1）：同时插值坐标 `(1−t)·ca_nn+t·cb`（pre-jitter）。-3. **T2EI_INTERP_W**：配对距离加入空间项 `W·dc2/median(dc2)`（表达项按 median 归一），测试"用空间近邻的 a 细胞配对能否修复 local_spatial"。+开关：`T2EI_SEL_MODE=random` 完整复现父节点（off 对照）；`T2EI_EXPAND`（node 11 的 xy 径向膨胀 γ）默认 0；`T2EI_KAPPA` 默认改为 0.65。 -## 机制对照（vec-score，proxy E6.75+E8.0→E7.25，t=0.4，A 半；查询 8/20）+## 机制对照（vec-score proxy E6.75+E8.0→E7.25，t=0.4，A 半；查询 7/20） -| 配置 | 榜分 | 表达 | 状态 | 形状 | 邻域 |-|---|---:|---:|---:|---:|---:|-| FRAC=0（off 对照，=父节点） | 60.32 | 59.93 | 52.78 | 70.51 | 58.04 |-| FRAC=0.5 + 坐标插值 | 59.56 | 60.12 | 53.29 | 68.26 | 56.57 |-| FRAC=0.25 / 0.5 / 1.0，仅表达 | 60.31 / 60.30 / **60.38** | 60.0/60.1/61.0 | 52.98/53.29/53.86 | 70.51 | 57.72/57.29/56.10 |-| FRAC=1.0 仅表达，seed 1 | 60.17 | 60.53 | 54.03 | 70.86 | 55.27 |-| FRAC=1.0，空间加权配对 W=0.25 / 1.0 | 60.08 / 60.07 | ~60.2 | 53.74/53.57 | 70.51 | 55.9/56.0 |+| 配置 | seed0 | seed1 | 两种子均值 | cell_state | expr_change | local_spatial | shape |+|---|---:|---:|---:|---:|---:|---:|---:|+| off（=父 node12，κ0.5+random） | 60.32 | 60.47* | 60.39 | 52.78 | 59.93 | 58.04 | 70.51 |+| centroid，κ=0.5 | 60.71 | 60.67 | 60.69 | 55.02/55.62 | 60.13/59.82 | 57.51/56.47 | 70.17/70.79 |+| **centroid，κ=0.65（提交态）** | **60.78** | **60.97** | **60.87** | 52.23/52.62 | 60.91/60.77 | 58.06/58.67 | 71.91/71.80 |+| off（random），κ=0.65 | 59.80 | - | - | 48.19 | 60.25 | 58.24 | 72.52 |+| centroid+EXPAND1.15，κ=0.5 | 60.29 | - | - | 55.02 | 60.13 | 57.54 | 68.47 |+| centroid，κ=0.8 | 60.27 | - | - | 47.95 | 61.06 | 58.06 | 74.01 | -父节点 seed1 A 半 = 60.47（node 8 记录）。FRAC=1.0 仅表达两种子均值 60.28 vs 父 60.39。+*父 seed1 引自 node 8 记录。机制隔离：同 κ=0.65 下 centroid vs random = +0.98（cell_state +4.04，其余组持平±0.7）；κ 单独（random 下 0.5→0.65）为 −0.52，与 node 8 的 κ 重扫一致——**收益来自选胞机制与 κ 的交互**：中间态偏好的细胞多纳入才转化为 cell_state/expression_change，随机多纳入只伤 cell_state。κ=0.8 时 cell_state 崩塌（47.95），0.65 是峰。 -## 机制证据（FRAC=1.0，仅表达）+## 机制证据 -- **配对覆盖率**：1000 个 b 细胞中 520 个被插值、480 个跳过（26 个 b 型中只有 10 个共有型且 a 侧 ≥3 细胞）；平均逐细胞位移范数 20.7（log1p 单位），不同细胞方向/幅度不同。-- **不是均值坍缩**：被插值子集型内方差比 0.37（保留 1/3 强），且 PCA 主轴上插值细胞落在 a 簇与 b 簇之间而非型均值点：EXE-Endoderm 主轴均值 a=1.40、b=−13.86、插值=−4.96（(1−t)a+tb 理论值 −4.70）；HEM-Endoth a=3.27、b=−7.73、插值=−1.17。-- **四组分变化（两种子一致）**：cell_state +1.08/+1.25、expression_change +1.11/+0.17（升），local_spatial −1.94/−2.14（降，neighborhood_mmd 0.0555→0.0598），shape_scale 持平（仅表达模式；坐标插值使 d2_shape 0.0274→0.0372、shape −2.25，occupancy_dice 反升 0.8065→0.8101）。--## 结论--机制确实生成了处于中间态的细胞并提升了 cell_state/expression_change，但代价是把"中间表达谱"放在晚端坐标/邻域上下文里，local_spatial（neighborhood_mmd）以约 2 倍幅度下降，净榜分 ≤ 父节点（差距小于 T2 噪声 ~1）。空间加权配对（W>0，用空间近邻 a 细胞）不能修复：local_spatial 仍 ~56。结合父节点 ALPHA/SHRINK 证伪，mix 家族里 cell_state 与 local_spatial 对"改写 b 细胞表达"存在稳定的权衡，任何此类杠杆净收益 ≤0。坐标插值单独有害（shape）。**提交态 = 父节点配置。**+- **实际改变了哪些细胞**：1000（κ0.5）/1300（κ0.65）个 b 细胞中，11 个共有型（bin 数≥4）的选取被改变；平均每 bin 24–32 个候选、100% 的 bin 有真实选择余地；选中细胞到混合质心的 z 空间平方距离均值 206.5 vs 全体候选 669.6（系统性小 3.2 倍）。+- **空间覆盖保持**（PLAN 风险 1 排除）：选中细胞径向距离 RMS / 全体候选 RMS ≈ 1.001，occupancy_dice 0.8038→0.7953（κ0.65 random→centroid），b_rms_frac ≈1.0，未退化为全局最近选取。+- **四组分变化**（centroid κ0.65 vs off κ0.65，seed0）：cell_state 48.19→52.23（+4.0），expression_change 60.25→60.91，local_spatial 58.24→58.06（−0.2，噪声内），shape 72.52→71.91（−0.6，选取改变细胞群体所致）。vs 父节点两种子均值：+0.48，两个种子方向一致（+0.46/+0.50）。+- **不是常数位移/组成重加权**：表达矩阵与类型配额完全不动，只改变哪些真实 b 细胞被保留，逐细胞由表达谱决定。  ## 已验证 / 未验证 -- 已验证：FRAC=0 输出与父节点代码路径逐位一致（sha256 相同、off 对照查分 60.3156 = node 8 记录 60.3156）；同一 seed 两次运行字节相同；vec-check 通过；无绝对时间/视图分支（新代码只用类型标签、表达、坐标与 t）；CPU ~2s、~0.3GB；单输入阶段退路不受影响（无括号时走 copy_last 分支，FRAC 不参与）。-- 未验证：B 半分数；final 视图；W 的更细网格（W>1）与 FRAC×W 组合（前两个 W 点方向一致向下，放弃）；"插值 a 细胞向 b"（对称方向）——local_spatial 损伤随被改写细胞数单调增大，4000 个 a 细胞改写预期更差，未测。-- 生物学知识来源：无外部数据/文献数值/保留阶段信息；配对与插值为通用统计操作。+- 已验证：off 对照（SEL_MODE=random，κ=0.5）与父节点输出 sha256 逐位一致；提交态 seed0 两次运行字节相同、与查分所用文件 sha256 一致；vec-check 通过；CPU ~2s / <0.4GB；新代码只用类型标签、表达、坐标与 t（时间差商），无绝对时间/视图/board 分支，单输入阶段退路（copy_last）不受影响。+- 未验证：B 半分数与 final 视图；κ∈(0.5,0.65) 细网格；centroid 选取用于 k<4 的小型（当前保持随机）；EXPAND<1（收缩）；κ=0.65 的 off 对照 seed1。+- 生物学知识来源：无外部数据/文献数值/保留阶段信息；混合质心与 z-score 为通用统计操作。  ## 下一步建议 -- mix 家族内 cell_state 的表达侧与生成侧杠杆（平移、收缩、外扩、伪批量插值、逐对近邻插值）已全部系统性排除，权衡结构（状态↑=邻域↓）稳定；继续在 5000 细胞 mix 框架内改表达预期收益为 0。-- 剩余可动的是 local_spatial/shape 本身：occupancy_dice 0.8065 与 κ=1 的差距、以及 neighborhood_mmd 的参考结构；或换出 mix 家族（如以参考邻域结构为目标的局部重排）。-- node 7（κ=0.65+中间态偏好选胞，61.76）与本家族（node 8，61.15）是两条不同的局部最优，值得一个节点做两者的显式组合验证（κ=0.65 在 radial+damp0.455 下已被 node 8 单测为 −0.4，但"中间态偏好选胞+radial"未测）。+- node 11（κ0.65+全局最近选胞+xy膨胀，rank3 62.13）与本节点（κ0.65+radial bin 内选胞）是近亲：值得比较"全局 top-k 最近 + radial 覆盖约束"的折中（如每 bin 取距质心最近但允许 bin 间配额微调），以及把 EXPAND 只作用于 a 细胞收缩（等效相对膨胀）而非 b 外推。+- cell_state 在 κ0.65 下仍只有 ~52.4（κ0.5 时 55.3）：若 local_spatial 允许，κ 与选胞强度（如取 bin 内第 2 近而非第 1 近，软化偏好）可做二维小网格。diff --git a/solution/run.py b/solution/run.pyindex d83f5fa..17d151d 100644--- a/solution/run.py+++ b/solution/run.py@@ -39,7 +39,19 @@ reproduce the parent, node 5, bit-for-bit):    (z-slice-proportional quotas + radial bins within slice) wins seed 0    (60.54) but loses seed 1 (60.15 vs 60.47) -> noise, radial kept default. -7. T2EI_INTERP_FRAC (within-type a-b nearest-neighbour pair interpolation,+ 7. T2EI_SEL_MODE (default "centroid", node 14): within each radial bin of the+    late-stage draw, pick the cell closest (per-type z-scored expression space,+    z over A_c u B_c) to the mixed centroid m_c = (1-t)*mu_a(c) + t*mu_b(c)+    instead of a random cell; types with <3 stage-a cells keep random picks.+    Proxy A-half: kappa 0.5 -> 60.71/60.67 (seeds 0/1) vs parent random+    60.32/60.47; kappa 0.65 -> 60.78/60.97 (two-seed mean +0.48 over parent),+    off control at same kappa 59.80 (cell_state 48.19 vs 52.23). kappa 0.8+    worse (60.27). KAPPA default therefore 0.65. Radial coverage preserved+    (proj RMS ratio sel/cand ~1.0, occupancy_dice ~0.80).+    T2EI_EXPAND (node 11 xy dilation gamma, default 0 = OFF, refuted here):+    gamma=1.15 on top of centroid bins drops occupancy_dice 0.8028->0.7517+    (board 60.29) - radial bins already cover, expansion overshoots.+ 8. T2EI_INTERP_FRAC (within-type a-b nearest-neighbour pair interpolation,    default 0 = OFF, refuted): each retained b-cell is paired with its nearest    stage-a cell of the same type in per-type z-scored expression space; the    closest FRAC share of pairs is replaced by (1-t)*a_nn + t*b (and optionally@@ -69,13 +81,44 @@ from src.task2_spatial.view_io import board_params, interp_bracket, load_manifes  PARAMS = {"align": "procrustes3d", "scale_damp": float(os.environ.get("T2EI_DAMP", "0.455"))} ALPHA = float(os.environ.get("T2EI_ALPHA", "0.0"))-KAPPA = float(os.environ.get("T2EI_KAPPA", "0.5"))+KAPPA = float(os.environ.get("T2EI_KAPPA", "0.65")) SPATIAL_STRAT = os.environ.get("T2EI_SPATIAL_STRAT", "1") != "0" SPATIAL_MODE = os.environ.get("T2EI_SPATIAL_MODE", "radial") SHRINK = float(os.environ.get("T2EI_SHRINK", "0.0")) INTERP_FRAC = float(os.environ.get("T2EI_INTERP_FRAC", "0.0")) INTERP_COORD = os.environ.get("T2EI_INTERP_COORD", "1") != "0" INTERP_W = float(os.environ.get("T2EI_INTERP_W", "0.0"))+SEL_MODE = os.environ.get("T2EI_SEL_MODE", "centroid")  # "random" = parent (off control)+EXPAND = float(os.environ.get("T2EI_EXPAND", "0.0"))+EVIDENCE: dict = {}+++def _centroid_dists(A, la, B, lb, t, min_pair=3):+    """Per-type squared distance of every b-cell to the mixed centroid.++    Mixed centroid m_c = (1-t)*mu_a(c) + t*mu_b(c) in the per-type z-scored+    expression space (mean/sd over A_c u B_c). Types whose a-side has+    < min_pair cells are skipped (fall back to random within-bin picks).+    """+    dists = {}+    n_used = n_skip = 0+    for lab in np.unique(lb):+        idxA = np.flatnonzero(la == lab)+        idxB = np.flatnonzero(lb == lab)+        if idxA.size < min_pair or idxB.size == 0:+            n_skip += 1+            continue+        Xa = A[idxA]+        Xb = B[idxB]+        both = np.vstack([Xa, Xb])+        mu = both.mean(axis=0)+        sd = both.std(axis=0) + 1e-6+        m = np.float32(1.0 - t) * Xa.mean(axis=0) + np.float32(t) * Xb.mean(axis=0)+        zm = (m - mu) / sd+        Zb = (Xb - mu) / sd+        dists[lab] = ((Zb - zm) ** 2).sum(axis=1).astype(np.float64)+        n_used += 1+    return dists, {"types_used": n_used, "types_skipped": n_skip}   def pair_interpolate(expr, coords, ca, stage_a, labels_b_sel, t, frac, n_a, min_pair=3):@@ -212,7 +255,7 @@ def _fps(pts: np.ndarray, k: int, centroid: np.ndarray) -> np.ndarray:     return np.asarray(sel)  -def spatial_take(labels: np.ndarray, coords: np.ndarray, n: int, rng: np.random.Generator, centroid=None) -> np.ndarray:+def spatial_take(labels: np.ndarray, coords: np.ndarray, n: int, rng: np.random.Generator, centroid=None, dists=None) -> np.ndarray:     """Type-stratified draw, within type equal-frequency PCA1 bins pick one cell.      Per-type counts match stratified_choice exactly (type composition unchanged);@@ -272,7 +315,17 @@ def spatial_take(labels: np.ndarray, coords: np.ndarray, n: int, rng: np.random.                 proj = np.linalg.norm(cpts, axis=1)         order = np.argsort(proj, kind="stable")         bins = np.array_split(order, k)-        sel = np.fromiter((b[rng.integers(len(b))] for b in bins if len(b)), dtype=np.intp, count=k)+        d2 = dists.get(lab) if (dists is not None and SPATIAL_MODE == "radial") else None+        if d2 is not None:+            sel_l = [b[int(np.argmin(d2[b]))] for b in bins if len(b)]+            sel = np.asarray(sel_l, dtype=np.intp)+            EVIDENCE.setdefault("cand_per_bin", []).extend(int(len(b)) for b in bins if len(b))+            EVIDENCE.setdefault("d2_sel", []).extend(float(d2[s]) for s in sel_l)+            EVIDENCE.setdefault("d2_cand", []).append(float(d2.mean()))+            EVIDENCE.setdefault("proj_rms_sel", []).append(float(np.sqrt((proj[sel] ** 2).mean())))+            EVIDENCE.setdefault("proj_rms_cand", []).append(float(np.sqrt((proj ** 2).mean())))+        else:+            sel = np.fromiter((b[rng.integers(len(b))] for b in bins if len(b)), dtype=np.intp, count=k)         picks.append(idx[sel])     return np.concatenate(picks) @@ -292,10 +345,18 @@ def mix_damped(stage_a, stage_b, t: float, params: dict, kappa: float):     n_b = int(np.clip(int(round(t_comp * n)), 0, n))     n_a = n - n_b     ia = take(stage_a.labels, n_a, rng) if n_a > 0 else np.array([], dtype=int)+    dists = None+    if n_b > 0 and SPATIAL_STRAT and SEL_MODE == "centroid":+        A = np.clip(as_dense(stage_a.X, np.arange(stage_a.n)), 0.0, None).astype(np.float32)+        B = np.clip(as_dense(stage_b.X, np.arange(stage_b.n)), 0.0, None).astype(np.float32)+        la = np.asarray(stage_a.labels).astype(str)+        lb = np.asarray(stage_b.labels).astype(str)+        dists, dstats = _centroid_dists(A, la, B, lb, t)+        EVIDENCE["centroid"] = dstats     if n_b <= 0:         ib = np.array([], dtype=int)     elif SPATIAL_STRAT:-        ib = spatial_take(np.asarray(stage_b.labels).astype(str), cb, n_b, rng, centroid=np.asarray(cb).mean(axis=0))+        ib = spatial_take(np.asarray(stage_b.labels).astype(str), cb, n_b, rng, centroid=np.asarray(cb).mean(axis=0), dists=dists)     else:         ib = take(stage_b.labels, n_b, rng)     expr_parts, coord_parts = [], []@@ -307,6 +368,11 @@ def mix_damped(stage_a, stage_b, t: float, params: dict, kappa: float):         coord_parts.append(np.asarray(cb[ib], dtype=np.float64))     expr = np.vstack(expr_parts) if len(expr_parts) > 1 else expr_parts[0]     coords_pre = np.vstack(coord_parts)+    if EXPAND > 0 and ib.size:+        cen = coords_pre.mean(axis=0)+        xy = coords_pre[int(ia.size):, :2] - cen[:2]+        coords_pre[int(ia.size):, :2] = cen[:2] + EXPAND * xy+        EVIDENCE["expand"] = {"gamma": EXPAND, "n_expanded": int(ib.size)}     pev = {"applied": False, "reason": "interp_frac=0"}     if INTERP_FRAC > 0 and ib.size:         pev = pair_interpolate(expr, coords_pre, ca, stage_a, stage_b.labels[ib], t,@@ -321,6 +387,18 @@ def mix_damped(stage_a, stage_b, t: float, params: dict, kappa: float):         info["b_bbox_frac"] = float(np.prod((sel_b.max(0) - sel_b.min(0)) / np.maximum(np.asarray(cb).max(0) - np.asarray(cb).min(0), 1e-9)))         info["b_rms_frac"] = float(rms_radius(sel_b) / max(rms_radius(np.asarray(cb)), 1e-9))     info["pair_interp"] = pev+    if EVIDENCE.get("cand_per_bin"):+        cpb = np.asarray(EVIDENCE["cand_per_bin"])+        info["sel"] = {+            "mode": SEL_MODE, **EVIDENCE.get("centroid", {}),+            "mean_cand_per_bin": float(cpb.mean()),+            "frac_bins_with_choice": float((cpb > 1).mean()),+            "d2_sel_mean": float(np.mean(EVIDENCE["d2_sel"])),+            "d2_cand_mean": float(np.mean(EVIDENCE["d2_cand"])),+            "proj_rms_ratio_sel_vs_cand": float(np.mean(EVIDENCE["proj_rms_sel"]) / max(np.mean(EVIDENCE["proj_rms_cand"]), 1e-9)),+        }+    if "expand" in EVIDENCE:+        info["expand"] = EVIDENCE["expand"]     return expr, coords.astype(np.float32), info, ia, ib  @@ -371,7 +449,7 @@ def main() -> None:     if SHRINK != 0 and ib.size:         mu_a = type_means(stage_a.X, stage_a.labels)         cev = contract_b(expr, stage_a.labels, stage_b.labels[ib], mu_a, float(SHRINK * t), int(ia.size))-    keep = {k: info.get(k) for k in ("t", "t_comp", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped", "align", "n_from_a", "n_from_b", "spatial_strat", "b_bbox_frac", "b_rms_frac", "pair_interp")}+    keep = {k: info.get(k) for k in ("t", "t_comp", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped", "align", "n_from_a", "n_from_b", "spatial_strat", "b_bbox_frac", "b_rms_frac", "pair_interp", "sel", "expand")}     print(json.dumps({"bracket": [a["stage"], b["stage"]], **keep, "shift": ev, "contract": cev}, 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

**完成。** 做了什么：按 PLAN 在 radial 等频分层的每个 bin 内，把晚端 b 细胞的随机选取替换为"距型内混合质心 (1−t)μ_a+tμ_b 最近"的中间态偏好选取（`T2EI_SEL_MODE=centroid`，z-score 空间，a 侧 <3 细胞的型退化随机），并把 κ 默认改为 0.65（与选胞机制交互验证）。node 11 的 xy 膨胀叠加被否证（occupancy_dice 0.803→0.752），κ=0.8 被否证。

查分（A 半，7/20 次）：off 对照 sha256 逐位=父节点（60.32）；centroid κ0.5 = 60.71/60.67，**centroid κ0.65 = 60.78/60.97（两种子均值 +0.48 over 父 60.39）**；同 κ 下机制隔离 +0.98（cell_state 48.19→52.23）。提交态 seed0 逐位复现查分文件，seed 2 也通过 vec-check，~2s/<0.4GB，无视图依赖。

下一步最值得试：与 node 11（全局最近选胞+膨胀，rank3 62.13）合并比较——"bin 间配额向中间态细胞多的型微调"或软化偏好（bin 内取第 2 近），以及 κ×选胞强度二维小网格；cell_state 在 κ0.65 下仍 ~52，与 κ0.5 的 55 之间有可探索的权衡带。

调研员

{
  "name": "mix+κ0.5+radial分层内中间态偏好选胞+damp0.455组合",
  "motivation": "node 7（中间态选胞+κ0.65）得分61.76，node 6/8/12（radial+κ0.5+damp0.455）得分61.15，两者是不同局部最优。ANALYSIS明确指出'中间态偏好选胞+radial'组合未测过。node 7的选胞在expression_change +1.36、local_spatial +2.73有效；node 6的radial在occupancy_dice 0.8019→0.8065有效。cell_state 54.18是最弱组，选胞机制在node 7中单独贡献+4.7。",
  "approach": "在父节点（κ=0.5+radial等频分层+damp0.455）的b细胞选取步骤中，将radial bin内的随机选取替换为中间态偏好选取：对每个类型c，计算混合质心m_c=(1−t)·μ_a(c)+t·μ_b(c)（在A_c∪B_c的基因型内z-score空间中），将b细胞按径向距离分入等频bin后，每个bin内选距m_c最近的细胞（而非随机）。环境变量T2EI_SEL_MODE=centroid（新机制）/random（=父节点，off对照）。若某型b细胞数≤bin数则退化为全选。参数无新连续旋钮，仅切换选取策略。若时间允许，二次测试叠加node 11的xy膨胀γ=1.15（T2EI_EXPAND=1.15）。单输入阶段退路不变（无括号走copy_last）。用vec-score在proxy上查分，先跑off对照确认=父节点60.32，再跑centroid模式，比较四组分。",
  "expected_groups": ["cell_state", "expression_change", "local_spatial"],
  "risks": "1) radial bin内选最近质心可能退化为全局最近（若bin内细胞表达相似），此时与node 7无区别且丢了radial多样性——Engineer应检查每bin内选中细胞的径向距离分布是否仍覆盖全范围。2) κ=0.5下b细胞只占26%，可选细胞少，bin内可能只有1-2个细胞使选取无意义——应统计每型每bin平均细胞数。3) 改善可能<1分（T2噪声），需两种子确认。",
  "family_id": "T2EI-01",
  "mechanism": "在radial等频分层的每个bin内，用中间态偏好（距混合质心最近）替代随机选取，同时保持空间覆盖多样性。",
  "vs_constant_shift": "不是对表达做型级平移或全局组成重加权；是改变b细胞的选取策略（哪些细胞被保留），每个细胞是否入选取决于其在表达空间中与混合质心的距离，逐细胞异质。",
  "mechanism_evidence": "1) 统计每型每bin内选中细胞到质心的距离 vs 随机选取的距离（应系统性更小）；2) 选中细胞的径向距离分布应与off对照相似（保持覆盖）；3) 四组分变化：预期cell_state和expression_change上升、local_spatial至少持平。",
  "mechanism_off_control": "T2EI_SEL_MODE=random时，bin内随机选取，输出应与父节点（node 8/12）逐位一致（sha256验证）。预期差别：off=60.32，on若有效应>61。",
  "sources": []
}