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

节点 n25 在终选来历上

b 侧 xy 各向异性膨胀证伪（两轴比值差仅 2%）；改为整云逐轴 σ 匹配：把输出云 z 轴匹配到括号插值 σ_ref_z（fac≈0.92）再恢复 RMS，膨胀关闭。3 种子 A 半 61.38→61.77，shape +1.6~2.7。

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 57e3463ae3: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 28ab6cef87。改动的文件：solution/METHOD.md +29 −54、solution/run.py +80 −4

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex aeb5eba..32762f8 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,68 +1,43 @@-按 PLAN T2EI-09 实现 a 侧空间平滑表达微漂移（kNN 平滑的向混合质心漂移，DRIFT_ALPHA/DRIFT_K）；机制确实运行，但 α 从 0.3 到 1.2 榜分单调下降（cell_state、local_spatial、de_direction 全恶化），代理上证伪，提交态默认 DRIFT_ALPHA=0，输出与父节点 13/11 逐位一致（seed 0/1 h5py 逐数组比对 True）。+b 侧 xy 各向异性膨胀证伪（两轴比值差仅 2%）；改为整云逐轴 σ 匹配：把输出云 z 轴匹配到括号插值 σ_ref_z（fac≈0.92）再恢复 RMS，膨胀关闭。3 种子 A 半 61.38→61.77，shape +1.6~2.7。 -## 方法（family T2EI-09，improve over node 13）+## 方法（family T2EI-05，improve over node 23；提交态 = ANISO_FULL=1, ANISO_AXES=z, ANISO_LAMBDA=1, SPREAD_ALPHA=0）  父流程完整保留：interp_bracket → procrustes3d 对齐 → scale_damp=0.5 目标 RMS →-κ=0.65 组成阻尼 → b 侧型内中间态偏好选胞（SEL_SIDE=b）→ b 侧 xy 径向膨胀 γ=1.15-→ jitter + 终缩放。单输入退路不变（无括号 → 分层抽最后阶段，无漂移）。+κ=0.65 组成阻尼 → b 侧型内中间态偏好选胞（SEL_SIDE=b）→ jitter。+本节点改动（run.py 环境变量开关）： -本节点新增（`_spatial_drift`，env `DRIFT_ALPHA`=0 默认关，`DRIFT_K`=8）：+1. **PLAN 机制（b 侧逐轴各向异性膨胀，ANISO_BETA）**：γ_axis=clip(1.15·(σ_ref_axis/σ_out_axis)^β, 1, ANISO_CAP)，σ_ref 由对齐后的两括号全云逐轴 std 按 t 线性插值，绕输出云质心只作用于 b 侧被选细胞 xy。已实现并查分，**证伪**（见下）。+2. **提交机制（整云逐轴 σ 匹配，ANISO_FULL/ANISO_AXES/ANISO_LAMBDA）**：jitter 后对整个输出云逐轴 x'←μ+(x−μ)·[1+λ(σ_ref_axis/σ_out_axis−1)]，随后 scale_to_rms 恢复全局 RMS（保持比例结构）。σ_ref 在任何膨胀修改 cb 之前从原始对齐云计算（s_ref_axes），λ=1 为完全匹配。提交只开 z 轴：诊断显示输出云 z 比参考宽 8.8%（早端主导混合、σ_a_z=123 vs σ_ref_z=102），收缩 z 是 shape 增益的主来源。+3. b 侧膨胀在提交态关闭（SPREAD_ALPHA=0）：膨胀+z 匹配（61.38）< z 匹配单独（61.50），膨胀把 b 细胞 z 压到 μ_z 后匹配因子只能回扩（0.969），净 shape 增益变小。 -1. a 侧被选细胞中，共有型且该型被选 ≥5 细胞者，在双括号 pooled z-scored 面板空间-   计算到混合质心 (1−t)μ_a+tμ_b 的向量 d_i（μ 用该型**全体**括号细胞，与-   `_type_dists` 的 blend 定义一致）；-2. 在对齐后 xy 坐标（z 离散切片不参与）建 cKDTree，取 k=8 空间近邻，-   d_smooth_i = mean(d_j, j∈kNN(i)，含自身；非共有型邻居 d=0）；-3. z_new = z + α·d_smooth，反 z-score 回表达并 clip≥0，**并保留原稀疏支撑**-   （原为 0 的元素仍为 0）；坐标不动。无 RNG，完全确定。+单输入退路不变（无括号 → 分层抽最后阶段，early return，不触及任何新代码）。+无 RNG 参与新机制，对 seed 确定；σ_ref/σ_out 全部现场从 view 数据计算，无硬编码统计量，无绝对时间/视图判断（只用 t 与坐标）。 -工程要点（偏离 PLAN 之处，均有记录）：-- PLAN 的 α 网格 {0.04–0.12} 是按未加支撑掩膜的版本标定的。首版反 z-score 把结构零-  填成小正值（nnz 119k→1.33M），α=0.08 即榜分 59.22、cell_state 45.12（−7.7）——-  那是稀疏结构破坏的伪影，不是漂移本身。加支撑掩膜后 α≤0.12 的有效改动仅 ~0.03%-  （面板密度 ~5%），故上探 α∈{0.3, 0.6, 1.2} 使机制真正生效（改动 3%/6%/13%）。+## 机制证据（mechanism_evidence，A 半，E6.75+E8.0→E7.25，t=0.4，seed 0） -## 机制证据（mechanism_evidence，A 半，E6.75+E8.0→E7.25，t=0.4）--- 机制运行：10 个共有型、2642/3700 个 a 侧被选细胞被漂移；到混合质心平均距离-  13.32→13.14（α=0.08，未掩膜版），符合 ~α 比例缩小；-- 平滑生效：相邻细胞漂移向量余弦 0.065 > 0（kNN 平滑非平凡，但邻域间方向相关性弱，-  d_i 由细胞自身噪声主导）；-- α=0 时输出与父节点逐位一致（seed 0/1 验证 True），管线无副作用；-- 四组分：随 α 增大 cell_state、local_spatial、expression_change 全部下降（下表），-  与 PLAN 预期方向相反。+- 诊断比值：σ_ref/σ_out = x 1.0265、y 1.0469、z 0.9179；**xy 两轴比值相对差 2.0% < 5%** → 触发 PLAN 自带的"机制无实际差异"提前终止判据。γ_x/γ_y（β=0.5）= 1.1651/1.1767，膨胀前后 b 云逐轴 spread 仅变化 ~1.5%。+- 提交机制实际改变：全部 5000 个细胞的 z 坐标乘 fac_z=0.918（绕 μ_z），xy 不变；shape_scale 72.18→74.20（d2_shape 0.01234→0.00945，occupancy_dice 0.7716→0.7862），local_spatial 59.03→58.47（neighborhood_mmd 0.05314→0.05436），expression/cell_state 两组不变（表达未动）。  ## 机制对照（mechanism_off_control）与查分全表 -off 对照 = `DRIFT_ALPHA=0`（默认），输出与父节点 13/11 逐位一致，A 半 61.14（seed0）/-61.62（seed1），均值 61.38。打开后（seed 0，k=8，掩膜版）：--| 配置 | 榜分 | cell_state | expr_change | shape | local | neighborhood_mmd | de_direction |-|---|---:|---:|---:|---:|---:|---:|---:|-| 父/DRIFT_ALPHA=0（**提交**） | **61.14** | 52.84 | 60.50 | 72.18 | 59.03 | 0.05314 | 0.3645 |-| α=0.08（未掩膜，稀疏破坏伪影） | 59.22 | 45.12 | 60.59 | 72.18 | 58.98 | 0.05325 | 0.3685 |-| α=0.3 | 60.94 | 52.52 | 60.37 | 72.18 | 58.69 | 0.05388 | 0.3583 |-| α=0.6 | 60.74 | 52.21 | 60.28 | 72.18 | 58.29 | 0.05476 | 0.3543 |+off 对照 = `ANISO_FULL=0 SPREAD_ALPHA=0.3`（父配置），输出与父节点 h5py 逐数组比对 **True**（seed 0）。全部 A 半查分（10 次，余 6）： -结论：**机制被证伪**。榜分随 α 单调下降（61.14→60.94→60.74），触发 PLAN 自带的放弃-判据（cell_state 无改善即放弃）。即使坐标完全不动、漂移经空间平滑且幅度温和，把 a 侧-表达连续地推向混合质心也同时恶化 neighborhood_mmd（局部表达—位置耦合）与-de_direction（a 细胞变得"过中间态"，与参考的 a→target DE 方向失配）。这与节点 12-（配对插值 +1.2/−2.0）、节点 13（a 侧换身份 +0.9~1.2/−1.0~−2.2）同型：**在本代理上，-任何把 a 侧表达推向中间态的操作——无论离散换身份还是连续微漂移——都得不偿失**；-中间态偏好只在 b 侧低抽样率（4%）下有效（node 7）。空间平滑没有救回 local_spatial，-因为损失不来自漂移的局部不连续，而来自漂移方向本身（向质心收缩 + 邻域平均抹掉-细胞个性）。+| 配置（seed 0） | 榜分 | shape | local | occ_dice | d2_shape | nbhd_mmd |+|---|---:|---:|---:|---:|---:|---:|+| off 对照（=父） | 61.14 | 72.18 | 59.03 | 0.7716 | 0.01234 | 0.05314 |+| PLAN β=0.5, cap1.25 | 61.20 | 72.44 | 59.01 | 0.7735 | 0.01195 | 0.05319 |+| b 侧保 z（SPREAD_ZPRES） | ~59.9 | 70.32 | 58.48 | 0.7578 | 0.01541 | 0.05435 |+| 整云匹配 xyz λ1（无膨胀） | 61.49 | 74.10 | 58.52 | 0.7710 | 0.00798 | 0.05426 |+| 整云匹配 xy λ1 | 61.11 | 72.69 | 58.42 | 0.7945 | 0.01412 | 0.05448 |+| 整云匹配 z λ0.5 / λ0.75 | 61.14 / 61.26 | 72.81/73.26 | 58.40/58.42 | 0.7917/0.7834 | — | — |+| 膨胀+z 匹配 λ1 | 61.38 | 73.15 | 59.04 | 0.7750 | 0.01047 | 0.05313 |+| **z 匹配 λ1（提交）** | **61.50** | **74.20** | 58.47 | 0.7862 | 0.00945 | 0.05436 | -提交态 = `DRIFT_ALPHA=0`（代码默认），预测与父节点 13/11 逐位一致，预期正式分 62.15。-沿用了本树的既定模式：代理证伪后主动回退，不浪费正式评分。+多种子（A 半）：z 匹配 61.50/61.78/62.02（seed 0/1/2，均值 **61.77**）；膨胀+z 匹配 61.38/61.78/61.89（均值 61.68）；off 对照 61.14/61.62（seed 0/1，均值 61.38）。提交态默认运行 = z 匹配 seed 0 逐位一致，vec-check ok。 -## 验证与未验证+## 结论与已验证/未验证 -- 已验证：off 与父逐位一致（seed 0/1）；`vec-check` ok；机制诊断（漂移细胞数、距离-  收缩、邻居余弦）；α 单调性（3 点）；单输入退路不受影响（漂移在 bracket 分支内）。-- 已验证视图无关性：漂移只依赖表达、标签、对齐坐标与 t（时间差），无绝对时间/路径-  分支；KDTree 查询确定，无 RNG。-- 未验证：k∈{5,12}（α 单调劣化使 k 扫描无意义，省查分额度）；α<0.3 的掩膜版-  （改动 <1.5%，必在噪声内）；b 侧漂移（b 侧选胞已实现中间态偏好，再漂移是双重收缩）。-- 生物学知识来源：无新增外部知识；混合质心与共有型判定全部由 view 内两括号数据现场计算。+- PLAN 的 b 侧 xy 各向异性膨胀被其自带判据证伪（各向异性缺损仅 2%，β 扫描在噪声内）。同族推广到整云逐轴匹配后，**z 轴 8.8% 的过扩展才是真实缺损**，收缩 z 一致提升 shape（3 种子 shape +1.6~+2.7，d2_shape −18~−23%），代价是 local −0.5（seed 0）~+0.1（seed 1/2）。+- 证伪并记录：xy-only 匹配（occ_dice 最高 0.7945 但 d2_shape 恶化、净负）、λ 阻尼（λ=0.5/0.75 反而 local 不恢复、shape 增益缩水，非单调，不再扫）、b 侧保 z（shape −1.9，父节点的 z 压平实际有益）、膨胀+z 匹配（净低于 z 匹配单独）。+- 未验证：真实括号（E7.25→E8.0 快增长段）的 σ_ref_z/σ_out_z 比值方向——若真实输出云 z 偏窄，fac_z>1 会扩张 z，机制仍按数据驱动执行，但收益方向未在代理上检验；B 半与正式分的迁移（A 半 +0.26~+0.39 属小幅，树内 seed 间 A 半波动 ~0.5）；心脏榜（本节点只针对 embryo interp）。+- 生物学知识来源：无新增外部知识；z 为离散切片轴的注意事项来自方法卡，σ 匹配纯数据驱动。diff --git a/solution/run.py b/solution/run.pyindex addcef8..593b46e 100644--- a/solution/run.py+++ b/solution/run.py@@ -63,6 +63,24 @@ seed 0): monotone in alpha (0 -> 61.14, 0.3 -> 60.94, 0.6 -> 60.74) with cell_state, neighborhood_mmd and de_direction all degrading: pushing a-side expression toward the mid-state hurts even when continuous and spatially smooth. Submitted default DRIFT_ALPHA=0, bit-identical to node 13/11.++Change (PLAN T2EI-05, node 25): per-axis anisotropic dilation. The PLAN's+b-side per-axis gamma_axis = 1.15*(sigma_ref/sigma_out)^beta (env ANISO_BETA,+ANISO_CAP) is implemented but falsified by its own pre-registered criteria:+the two xy axis ratios differ by only 2.0% (<5% => inert) and the beta=0.5+quick screen moved shape_scale +0.26 (<+0.5 => abort). The surviving variant+is the same per-axis idea applied to the WHOLE output cloud (env ANISO_FULL,+submitted = 1, ANISO_AXES=z, ANISO_LAMBDA=1): after jitter, each axis of the+stacked cloud is affinely matched to the bracket-interpolated per-axis spread+sigma_ref = (1-t)*sigma_a + t*sigma_b of the aligned input clouds, then the+global RMS is restored. Only the z axis survives: z matching (fac ~0.92, the+output cloud is 8% over-extended in z because the early stage dominates the+mix) lifts shape_scale 72.2 -> 74.2 (d2_shape -23%, occupancy_dice +1.5pp)+while xy-only matching worsens d2_shape and b-cell z-preservation (SPREAD_ZPRES)+destroys shape (70.3). The submitted config turns the node-11 b-side xy+dilation OFF (SPREAD_ALPHA=0): dilation+z-matching nets lower than z-matching+alone (61.38 vs 61.50, A half, seed 0). Mechanism-off control: ANISO_FULL=0+SPREAD_ALPHA=0.3 reproduces the parent bit-for-bit (verified). """  from __future__ import annotations@@ -91,7 +109,7 @@ SEL_A_MODE = os.environ.get("SEL_A_MODE", "spatial").strip().lower()  # plain|sp SEL_A_BINS = int(os.environ.get("SEL_A_BINS", "2")) SEL_C_A = float(os.environ.get("SEL_C_A", "0.0")) MIN_RANK_POOL = 5-SPREAD_ALPHA = float(os.environ.get("SPREAD_ALPHA", "0.3"))+SPREAD_ALPHA = float(os.environ.get("SPREAD_ALPHA", "0.0"))  # submitted: b-side dilation OFF (replaced by z matching) SPREAD_CAP = float(os.environ.get("SPREAD_CAP", "1.15")) SPREAD_MIN_K = int(os.environ.get("SPREAD_MIN_K", "3")) SPREAD_WHEN = os.environ.get("SPREAD_WHEN", "pre").strip().lower()@@ -101,6 +119,13 @@ SPREAD_MU = os.environ.get("SPREAD_MU", "global").strip().lower()  # type|global DRIFT_ALPHA = float(os.environ.get("DRIFT_ALPHA", "0.0")) DRIFT_K = int(os.environ.get("DRIFT_K", "8")) DRIFT_MIN_CELLS = int(os.environ.get("DRIFT_MIN_CELLS", "5"))+# PLAN T2EI-05 (node 25): per-axis anisotropic xy dilation of the b side.+ANISO_BETA = float(os.environ.get("ANISO_BETA", "0.0"))   # 0 = isotropic (parent, bit-identical)+ANISO_CAP = float(os.environ.get("ANISO_CAP", "1.30"))+SPREAD_ZPRES = int(os.environ.get("SPREAD_ZPRES", "0"))   # 1 = keep b-cell z instead of flattening to mu_z+ANISO_FULL = int(os.environ.get("ANISO_FULL", "1"))       # submitted: whole-cloud per-axis sigma matching ON+ANISO_LAMBDA = float(os.environ.get("ANISO_LAMBDA", "1.0"))  # damping of the per-axis matching toward sigma_ref+ANISO_AXES = os.environ.get("ANISO_AXES", "z").strip().lower()  # submitted: match z only (xy falsified, see METHOD)   def _spread_apply(X: np.ndarray, rows: np.ndarray, mu: np.ndarray, f: float) -> None:@@ -405,6 +430,8 @@ def main() -> None:     target_rms = log_interp(rms_a, rms_b, t, PARAMS["scale_damp"])     ca = scale_to_rms(aligned_a, target_rms)     cb = scale_to_rms(aligned_b, target_rms)+    # pristine per-axis reference spread, captured before any dilation edits cb+    s_ref_axes = (1.0 - t) * ca.std(axis=0) + t * cb.std(axis=0)      n = interp_count(stage_a.n, stage_b.n, t, lo, hi)     n_b = int(np.clip(int(round(KAPPA * t * n)), 0, n))@@ -450,10 +477,34 @@ def main() -> None:      spread_plan = []     spread_diag = []+    aniso_diag = {}     if ib.size and SPREAD_ALPHA > 0.0:         if SPREAD_MU == "global":             g = (np.vstack([ca[ia], cb[ib]]) if ia.size else cb[ib]).mean(axis=0)-            spread_plan = [("__global__", None, ib, SPREAD_CAP, int(stage_b.n), int(ib.size))]+            f_use: float | np.ndarray = SPREAD_CAP+            if ANISO_BETA != 0.0 or SPREAD_ZPRES:+                # Per-axis reference spread from the aligned bracket clouds.+                out_cloud = np.vstack([ca[ia], cb[ib]]) if ia.size else cb[ib]+                fv = np.array([SPREAD_CAP, SPREAD_CAP, SPREAD_CAP], dtype=np.float64)+                ratios = {}+                for ax in (0, 1):+                    s_ref = float(s_ref_axes[ax])+                    s_out = float(out_cloud[:, ax].std())+                    r = s_ref / max(s_out, 1e-9)+                    ratios["xy"[ax]] = r+                    fv[ax] = float(min(max(SPREAD_CAP * r ** ANISO_BETA, 1.0), ANISO_CAP))+                if SPREAD_ZPRES:+                    fv[2] = 1.0  # keep each b cell's own z (parent flattens it to mu_z)+                else:+                    fv[2] = 0.0  # dev*0 => z = mu_z, identical to the isotropic parent path+                f_use = fv+                aniso_diag = {+                    "aniso_beta": ANISO_BETA, "aniso_cap": ANISO_CAP,+                    "ratio_ref_out_x": ratios["x"], "ratio_ref_out_y": ratios["y"],+                    "axis_ratio_rel_diff": abs(ratios["x"] - ratios["y"]) / ((ratios["x"] + ratios["y"]) / 2),+                    "gamma_x": float(fv[0]), "gamma_y": float(fv[1]), "zpres": int(SPREAD_ZPRES),+                }+            spread_plan = [("__global__", None, ib, f_use, int(stage_b.n), int(ib.size))]         elif SPREAD_MU == "bcloud":             g = cb[ib].mean(axis=0)             spread_plan = [("__bcloud__", None, ib, SPREAD_CAP, int(stage_b.n), int(ib.size))]@@ -463,8 +514,15 @@ def main() -> None:             cb = cb.copy()             for tname, rows_all, rows_sel, f, n_c, k_c in spread_plan:                 mu = g if rows_all is None else cb[rows_all].mean(axis=0)-                _spread_apply(cb, rows_sel, mu, f)-                spread_diag.append({"type": tname, "n_c": n_c, "k_c": k_c, "f": f})+                dev = cb[rows_sel] - mu+                if np.isscalar(f):+                    if SPREAD_AXES == "xy":+                        dev[:, 2] = 0.0+                    cb[rows_sel] = mu + dev * f+                else:+                    cb[rows_sel] = mu + dev * f+                spread_diag.append({"type": tname, "n_c": n_c, "k_c": k_c,+                                    "f": f if np.isscalar(f) else f.tolist()})      parts = []     coord_parts = []@@ -490,6 +548,23 @@ def main() -> None:             rows = off + np.flatnonzero(lab_sel == tname)             coords[rows] = mu_f + (coords[rows] - mu_f) * f             spread_diag.append({"type": tname, "n_c": n_c, "k_c": k_c, "f": f})+    elif ANISO_FULL:+        # Whole-cloud per-axis sigma matching (extension of the PLAN family):+        # match each axis of the output cloud to the bracket-interpolated+        # per-axis spread of the aligned inputs, then restore the global RMS.+        mu0 = coords.mean(axis=0)+        fac = np.ones(3)+        for ax in range(3):+            if "xyz"[ax] not in ANISO_AXES:+                continue+            s_ref = float(s_ref_axes[ax])+            s_out = float(coords[:, ax].std())+            fac[ax] = 1.0 + ANISO_LAMBDA * (s_ref / max(s_out, 1e-9) - 1.0)+        coords = mu0 + (coords - mu0) * fac+        coords = scale_to_rms(coords, target_rms)+        aniso_diag = {"aniso_full": 1, "aniso_lambda": ANISO_LAMBDA, "aniso_axes": ANISO_AXES,+                      "full_fac_x": float(fac[0]),+                      "full_fac_y": float(fac[1]), "full_fac_z": float(fac[2])}     else:         coords = scale_to_rms(coords, target_rms) @@ -503,6 +578,7 @@ def main() -> None:         "spread_when": SPREAD_WHEN if SPREAD_ALPHA > 0 else "off",         "spread_scope": SPREAD_SCOPE, "n_spread_types": len(spread_diag),         "spread": spread_diag, "sel_side": SEL_SIDE, **a_diag, **drift_diag,+        **aniso_diag,     }, default=float), file=sys.stderr)     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

完成。总结：

**做了什么**：按 PLAN T2EI-05 实现 b 侧逐轴各向异性膨胀（ANISO_BETA/ANISO_CAP），诊断显示 xy 两轴 σ_ref/σ_out 比值差仅 2.0%（<5% 预注册终止判据），β=0.5 快筛 shape 仅 +0.26（<+0.5）→ PLAN 机制证伪。同族推广到**整云逐轴 σ 匹配**发现真实缺损在 z 轴（输出云比括号插值参考宽 8.8%）：提交态为 jitter 后把输出云 z 轴仿射匹配到 σ_ref_z=(1−t)σ_a+tσ_b（fac≈0.92）再恢复全局 RMS，b 侧膨胀关闭。off 对照（ANISO_FULL=0 SPREAD_ALPHA=0.3）与父节点 h5py 逐数组比对 True；默认运行确定、vec-check 通过。

**查分**（10/20 次，A 半）：提交态 z 匹配 61.50/61.78/62.02（seed 0/1/2，均值 61.77）vs off 对照 61.14/61.62；shape_scale 72.2→73.8~74.9（d2_shape −18~−23%，occupancy_dice +1.5pp），local −0.5~+0.1。证伪并记录：xy-only 匹配（净负）、λ 阻尼（非单调）、b 侧保 z（shape −1.9）、膨胀+z 匹配（低于 z 匹配单独）。

**下一步**：z 匹配在真实括号（快增长段）的方向未验证，值得在心脏榜/真实任务上诊断 σ_ref_z/σ_out_z；occupancy_dice 已到 0.786，剩余余量可能需要 z 匹配与 b 侧中间态选胞的联合调参（κ×z-fac 网格）。

调研员

{
  "name": "各向异性xy膨胀：按括号插值的逐轴占据缺损补偿b侧坐标",
  "motivation": "父节点23/13/11提交态62.15，shape_scale=72.48但node2曾达74.43（occupancy_dice 0.84 vs 当前~0.77），说明占据仍有~7%余量。当前b侧膨胀γ=1.15在xy各向同性，但胚胎在xy并非圆形对称；ANALYSIS明确建议'按体素占据缺失方向做非各向同性γ补偿'。local_spatial=60.69为次弱组，也受占据质量影响。节点19已证伪γ_cap≥1.25的均匀膨胀和κ偏移，但从未尝试过按轴分化的γ。",
  "approach": "在现有b侧均匀xy膨胀（SPREAD_CAP=1.15）的位置替换为逐轴各向异性膨胀：\n1. 选胞后、膨胀前，分别计算a括号全部细胞和b括号全部细胞在xy上的逐轴标准差σ_a_x,σ_a_y,σ_b_x,σ_b_y（用对齐后坐标）。\n2. 按时间插值计算参考逐轴扩展：σ_ref_axis=(1−t)·σ_a_axis+t·σ_b_axis，t为bracket插值参数（与现有log_interp一致）。\n3. 计算当前输出云（a+b选入细胞）的逐轴标准差σ_out_x,σ_out_y。\n4. 逐轴膨胀因子：γ_axis=γ_base·(σ_ref_axis/σ_out_axis)^β，其中γ_base=1.15（现有SPREAD_CAP），β=ANISO_BETA（env，默认0），上限ANISO_CAP（默认1.30），下限1.0。\n5. 对b侧被选细胞逐轴应用：x'=μ_x+(x−μ_x)·γ_x, y'=μ_y+(y−μ_y)·γ_y（μ仍为输出云质心，与现有SPREAD_MU=global一致）；z不动。\n6. 后续jitter+终RMS缩放不变。\n参数搜索：ANISO_BETA∈{0.3,0.5,0.7,1.0}×ANISO_CAP∈{1.20,1.25,1.30}，共12配置，每配置1次vec-score（seed0）；最优配置再用seed1确认。预计≤14次查分。\n单输入退路：无括号→无b侧→跳过膨胀，与父节点一致。\n快速筛选：先跑ANISO_BETA=0.5/ANISO_CAP=1.25，若shape_scale无改善（<+0.5）即放弃，不扫全网格。",
  "expected_groups": ["shape_scale", "local_spatial"],
  "risks": "1. 逐轴σ_ref/σ_out比值可能接近1（各向异性缺损很小），β扫描全在噪声内→Engineer先打印σ_ref/σ_out比值，若两轴比值差<5%则机制无实际作用，提前终止。2. 某轴γ超过1.3导致该方向过度膨胀、occupancy_dice反降→ANISO_CAP硬上限+查分监控。3. 逐轴膨胀破坏xy圆对称假设，若参考形状本身就是各向同性的则无改善→打印诊断即可发现。4. 与终RMS缩放的交互：终缩放会重新归一化总RMS，可能部分抵消逐轴调整→在终缩放前检查逐轴spread，确认调整方向正确。",
  "family_id": "T2EI-05",
  "mechanism": "将b侧xy膨胀从各向同性γ改为逐轴各向异性γ：按括号插值的参考逐轴扩展与输出云实际逐轴扩展的比值，分方向施加不同膨胀因子，使输出云在x和y方向分别匹配目标形状的期望扩展。",
  "vs_constant_shift": "常数位移对每个细胞加同一向量，不改变云的形状；本机制按轴施加不同倍率的径向缩放（乘法而非加法），且倍率由数据驱动的逐轴占据缺损计算得出，不同轴、不同配置下γ_x≠γ_y，改变的是云的纵横比而非位置。",
  "mechanism_evidence": "Engineer应打印：(1) σ_ref_x/σ_out_x 与 σ_ref_y/σ_out_y 的比值（若两轴比值差<5%则机制无实际差异）；(2) 实际γ_x和γ_y值；(3) 膨胀前后逐轴spread变化；(4) 四组分变化，重点看shape_scale和local_spatial是否同向改善；(5) 与β=0（各向同性γ=1.15）的差值。",
  "mechanism_off_control": "ANISO_BETA=0时(σ_ref/σ_out)^0=1，γ_x=γ_y=γ_base=1.15，退化为现有各向同性膨胀，输出与父节点逐位一致。Engineer用seed 0验证ANISO_BETA=0的输出与父节点h5py逐数组比对为True。"
}

审查员

REVIEW.json written