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

节点 n26

实现 b 侧选胞后空间 kNN 平滑型内方差恢复（SPATVAR：沿同型空间邻域平均残差方向位移 β·r̃）；variogram 在所有 β>0 下恶化 6–10%（超 PLAN 停止条款 5%）、mmd_u 无收益、cell_state 单调下降，机制证伪，提交态 SPATVAR_BETA=0 与父节点逐位一致。

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 84cb053a64: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 382cb0c186。改动的文件：solution/METHOD.md +58 −55、solution/run.py +75 −1

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 18d5d96..8f2d546 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,73 +1,76 @@-实现 b 侧选胞后型内方差恢复（f_c=1+β(σ²_all/σ²_sel−1) 径向膨胀）；mmd_u 三 seed 一致改善但 variogram 等量变差、cell_state 微降，净榜分噪声内证伪，提交 β=0 与父逐位一致。+实现 b 侧选胞后空间 kNN 平滑型内方差恢复（SPATVAR：沿同型空间邻域平均残差方向位移 β·r̃）；variogram 在所有 β>0 下恶化 6–10%（超 PLAN 停止条款 5%）、mmd_u 无收益、cell_state 单调下降，机制证伪，提交态 SPATVAR_BETA=0 与父节点逐位一致。 -## 方法（family T2EI-09，improve over node 21）+## 方法（family T2EI-09，improve over node 24）  底座不变：interp_bracket → procrustes3d → 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_P=1.0，blend 质心）→ b 侧全局 xy 径向膨胀 γ=1.15 → jitter + 终缩放。 -新增一步（`run.py` 中 `VARRESTORE_*` 段，b 侧选胞后、jitter 前）：对每个共有型 c，-在双阶段合并 z-scored panel 空间计算 σ²_all（该型全体 b 细胞、按型内均值中心化的逐基因方差之和）-与 σ²_sel（被选子集同法），膨胀因子 f_c=1+β·(σ²_all/σ²_sel−1)；每个被选 b 细胞-z′=μ_sel_c+f_c·(z−μ_sel_c)，逆变换回表达空间并 clip≥0。坐标不动。-型内被选 <3（VARRESTORE_MIN）跳过。单输入退路：无括号 → 无 b 侧 → 跳过，与父一致。+新增一步（`run.py` 中 `SPATVAR_*` 段，b 侧选胞后、spread/jitter 前）：对每个共有型 c+（被选 ≥ SPATVAR_MIN=3），在双阶段合并 z-scored panel 空间计算每个被选 b 细胞的残差+r_i = z_i − μ_sel_c；用被选 b 细胞对齐后的 xy 坐标（z 为离散切片轴，不参与）建 cKDTree，+每个细胞取同型内空间最近 SPATVAR_K=8 个邻居（含自身），平滑残差 r̃_i = mean(r_j)；+位移 z′_i = z_i + β·r̃_i，逆变换回表达空间，clip≥0。坐标不动。+意图（PLAN）：同区域细胞同向移动，恢复被中间态选胞压缩的型内方差（σ²_all/σ²_sel≈2.81，节点 24 已证实），+同时避免节点 24 逐细胞独立径向膨胀放大空间邻近细胞表达差、破坏 variogram 的失败模式。++环境变量：SPATVAR_BETA（默认 0 = 关闭，即提交态）、SPATVAR_K（默认 8）、SPATVAR_MIN（默认 3）。+单输入退路：无括号 → 无 b 侧 → 跳过，与父一致。  ## 机制证据（mechanism_evidence） -机制确实运行：β=0.5/seed0 诊断显示 11 个共有型、675 个被选 b 细胞全部被膨胀；-σ²_all/σ²_sel 型间均值 2.81（选择确实把型内方差压缩到 ~1/2.8，验证 PLAN 前提），-f_c 均值 1.91，膨胀后 var_after/var_before 均值 3.86 ≈ 1+β·(ratio−1) 的理论值。-表达分布宽度指标 mmd_u 随 β 单调改善且跨 seed 一致：-0.01116→0.01049（β=0.25, s0）、0.01096→0.01030（s1）、0.01080→0.01018（s2）。-即"选胞压缩型内方差、恢复宽度能改善分布匹配"这一半是成立的。--但四组分变化与 PLAN 预期不符：目标组 cell_state 没有上升——β=0.25 时三个 seed-分别 −0.04/−0.08/−0.11（52.84→52.80、53.27→53.19、53.46→53.35）。-原因在 cell_state 的另一个成分 variogram 随 β 单调变差且跨 seed 一致：-0.01094→0.01163（s0）、0.01076→0.01147（s1）、0.01074→0.01144（s2）——-逐细胞径向膨胀放大了空间邻近细胞间的表达差，破坏表达的空间自相关，-与 mmd_u 的收益互相抵消。expression_change 在 seed0/1 上 +0.75/+0.62（de_score 0.25→0.2857）-但 seed2 上 −0.10（de_score 不动），不稳定。local_spatial/shape_scale 如预期不变（坐标未动）。--## 机制对照（mechanism_off_control）与查分全表--off 对照 = VARRESTORE_BETA=0（代码默认，提交态），f_c≡1、z′=z，输出与父节点逐位一致-（md5 b86afc108c424bc0761200595d6a772b，与节点 21 提交态相同；重跑确定性验证通过，vec-check ok）。--A 半代理（E6.75+E8.0→E7.25，t=0.4）：--| 配置 | seed | 榜分 | cell_state | expr_change | shape | local | mmd_u | variogram |-|---|---|---:|---:|---:|---:|---:|---:|---:|-| β=0（父，**提交**） | 0 | 61.14 | 52.84 | 60.50 | 72.18 | 59.03 | 0.01116 | 0.01094 |-| β=0.15 | 0 | 61.17 | 52.84 | 60.55 | 72.18 | 59.09 | 0.01072 | 0.01136 |-| β=0.25 | 0 | 61.33 | 52.80 | 61.25 | 72.18 | 59.08 | 0.01049 | 0.01163 |-| β=0.35 | 0 | 61.28 | 52.71 | 61.18 | 72.18 | 59.04 | 0.01032 | 0.01190 |-| β=0.5 | 0 | 60.98 | 52.50 | 60.31 | 72.18 | 58.93 | 0.01014 | 0.01230 |-| β=0（父） | 1 | 61.62 | 53.27 | 60.93 | 72.28 | 60.00 | 0.01096 | 0.01076 |-| β=0.25 | 1 | 61.76 | 53.19 | 61.55 | 72.28 | 60.03 | 0.01030 | 0.01147 |-| β=0（父） | 2 | 61.58 | 53.46 | 60.59 | 72.23 | 60.03 | 0.01080 | 0.01074 |-| β=0.25 | 2 | 61.53 | 53.35 | 60.49 | 72.23 | 60.04 | 0.01018 | 0.01144 |--β 响应曲线在 0.25 附近见顶（+0.19），但 3-seed 均值只有 +0.09（61.45→61.54），-小于噪声，且 PLAN 目标组 cell_state 三 seed 一致微降。按 PLAN 停止条款-（首查 cell_state 无升反降 → 停止并提交 β=0）提交父配置。+机制确实运行且改变了细胞：β=0.35/K=8/seed0 诊断显示 11 个共有型全部处理、675 个被选 b 细胞全部被位移；+被位移细胞的表达值实际改变（输出 md5 与 β=0 不同），坐标未动。++- **平滑有区分度**：cos(r, r̃) 型间均值 0.30（0.36–0.42 各大型），远低于 PLAN 风险条款的 0.95 阈值——+  r̃ 不等于 r，位移方向确实由空间邻域决定，未退化为节点 24 的逐细胞径向膨胀。+- **平滑压缩程度**：||r̃||/||r|| ≈ 0.29（0.38–0.42 各大型），故 β=0.35 的实际位移幅度 ≈ 0.10|r|，+  比节点 24 β=0.25 径向膨胀的 0.45|r| 小 4.5 倍。+- **方差确实恢复**：var_after/var_before 型间均值 1.08（β=0.35/K=8）。+- **位移场空间自相关**：cos(r, r̃)=0.30>0 即残差的空间自相关显著为正（邻域平均与自身方向一致），+  位移场 β·r̃ 是 kNN 平滑场，按构造空间自相关。+- **但四组分变化与 PLAN 预期相反**（A 半代理，seed 0，父基线=节点 24/21 提交态）：++| 配置 | 榜分 | cell_state | expr_change | shape | local | mmd_u | variogram |+|---|---:|---:|---:|---:|---:|---:|---:|+| β=0（父，**提交**） | 61.14 | 52.84 | 60.50 | 72.18 | 59.03 | 0.01116 | 0.01094 |+| β=0.15, K=8 | 60.97 | 52.10 | 60.54 | 72.18 | 59.06 | 0.01114 | 0.01162 (+6.2%) |+| β=0.35, K=8 | 60.89 | 51.70 | 60.57 | 72.18 | 59.10 | 0.01110 | 0.01204 (+10.1%) |+| β=0.5, K=24 | 60.88 | 51.66 | 60.56 | 72.18 | 59.10 | 0.01115 | 0.01203 (+10.0%) |++cell_state = f(mmd_u, variogram) 如预期由这两个指标决定，但方向与 PLAN 预期相反：+variogram 单调恶化且**首个 β 档就超过 PLAN 停止条款（>5%）**；mmd_u 几乎不动（0.01116→0.0111），+没有复现节点 24 径向膨胀的 mmd_u 收益（平滑把位移幅度压到 0.10|r|，太小；而放大幅度又先撞上 variogram）。+K=24 的更强平滑与 K=8 结果几乎相同（60.88 vs 60.89），排除"平滑不够"的解释。++## 机制对照（mechanism_off_control）与验证++off 对照 = SPATVAR_BETA=0（代码默认，提交态）：位移为零，z′=z，输出与父节点逐位一致+（md5 b86afc108c424bc0761200595d6a772b，与节点 21/24 提交态相同）。验证：+β=0 重跑两次 md5 相同（确定性）；seed 3 输出不同（正确响应 seed）；vec-check ok；+β>0 各档 vec-check ok、运行 ~5s（远低于 limit）。共 3 次查分（额度 20，余 17）。  ## 结论与教训 -- 机制部分成立、整体证伪：中间态选胞确实压缩型内方差（ratio≈2.8），等比恢复确实一致改善-  mmd_u；但 cell_state 不是只看分布宽度——variogram（空间表达自相关）以几乎等量恶化，-  净收益为零。这说明**表达空间里逐细胞各向同性的方差操纵（无论收缩还是膨胀）都被-  mmd_u 与 variogram 的对冲卡死**：节点 8/12/17/21 证伪了收缩方向，本节点证伪了膨胀方向。-- 若要利用"方差缺口"，恢复必须以不破坏空间自相关的方式进行，例如按空间平滑的-  型×区域局部均值偏移（同区域细胞同向移动）而非逐细胞独立径向膨胀；或只在-  与空间无关的基因子集上恢复方差。留给后续节点。-- de_score 对表达扰动的响应是台阶状（0.25↔0.2857）且跨 seed 不稳定，不能作为优化信号。+- **机制证伪，且比节点 24 更糟**：空间平滑位移对 variogram 的单位幅度伤害显著高于逐细胞径向膨胀+  （位移幅度小 4.5 倍，variogram 恶化反而更大：+10.1% vs 节点 24 β=0.25 的 +6.3%）。+  解释：variogram 度量表达差随空间距离的结构；对 b 侧细胞叠加任何非生物来源的空间相关扰动场，+  都会在中短程空间尺度上注入参考里不存在的"伪信号"，直接抬高 variogram；而平滑与否不改变+  a/b 细胞在局部邻域内混排时"只动 b 不动 a"造成的 identity/location 耦合破坏。+- 至此表达空间方差缺口利用的两个方向全部关闭：径向膨胀（节点 24，mmd_u 收益被 variogram 对冲）+  与空间平滑位移（本节点，无 mmd_u 收益、variogram 伤害更大）。**后续节点不应再尝试在+  b 侧表达上做方差恢复类扰动**，无论是否空间平滑、幅度多小（β=0.15 已 -0.17 分）。+  响应曲线对 β 单调，sup 在边界 β=0，故提交 β=0（与父逐位一致，安全回退）。+- 剩余可攻方向（与父 ANALYSIS 一致）：改变 b 侧细胞身份来源（a-b 近邻差分外推，节点 12 已初步证伪）、+  或转向未被表达扰动触及的 local_spatial/shape_scale（坐标占据，节点 13 各向异性补偿方向）。  ## 验证过 / 没验证 -- 验证过：β=0 与父 md5 逐位一致；β∈{0.15,0.25,0.35,0.5}×seed0 与 β=0.25×seed{1,2}-  的完整响应曲线（9 次查分，额度内）；确定性重跑；vec-check ok；单输入退路代码路径与父一致。-- 没验证：空间平滑型方差恢复（上面的后续方向）；β 与 κ/γ 的交互（底座参数未动）。+- 验证过：β=0 与父 md5 逐位一致、确定性；β∈{0.15,0.35}(K=8)、β=0.5(K=24) 的 seed0 响应（3 次查分）；+  诊断量（cos、norm ratio、var ratio、位移细胞数）；vec-check；单输入退路代码路径与父一致。+- 没验证：多 seed（响应单调、首档即触发停止条款，按 PLAN 停止条款无需继续）；β<0.15 档+  （外推单调性表明其上界是 β=0 的父分数）；SPATVAR 与 κ/γ 的交互（底座参数未动）。  ## 知识来源  无新增外部生物学知识；全部计算只来自视图内两个输入阶段的表达、标签与坐标。+kNN 空间平滑是通用统计方法，不针对任何保留阶段。diff --git a/solution/run.py b/solution/run.pyindex 274fcb0..1f2a30a 100644--- a/solution/run.py+++ b/solution/run.py@@ -71,6 +71,15 @@ selected b cells. Midstate selection compresses within-type variance; for each shared type, f_c = 1 + beta*(sigma2_all/sigma2_sel - 1) and selected cells expand radially around their selected-subset mean in pooled z-space (env VARRESTORE_BETA, default 0 = off, bit-identical to parent).++Change (PLAN T2EI-09, node 26): spatially smoothed variance restoration of the+selected b cells. For each shared type, residual r_i = z_i - mu_sel in pooled+z-space is smoothed over the cell's SPATVAR_K nearest same-type spatial+neighbors (aligned xy, self included) giving r~_i, and cells displace+z' = z + beta*r~ (env SPATVAR_BETA, default 0 = off, bit-identical to parent).+Neighbors move together, restoring within-type variance without amplifying+expression differences between spatially close cells (the node-24 failure mode+that broke the variogram). """  from __future__ import annotations@@ -111,6 +120,9 @@ SHRINK_GRADED = os.environ.get("SHRINK_GRADED", "1").strip().lower() not in ("0" SHRINK_MIN = int(os.environ.get("SHRINK_MIN", "3")) VARRESTORE_BETA = float(os.environ.get("VARRESTORE_BETA", "0.0")) VARRESTORE_MIN = int(os.environ.get("VARRESTORE_MIN", "3"))+SPATVAR_BETA = float(os.environ.get("SPATVAR_BETA", "0.0"))+SPATVAR_K = int(os.environ.get("SPATVAR_K", "8"))+SPATVAR_MIN = int(os.environ.get("SPATVAR_MIN", "3"))   def _spread_apply(X: np.ndarray, rows: np.ndarray, mu: np.ndarray, f: float) -> None:@@ -355,7 +367,7 @@ def main() -> None:     la = stage_a.labels.astype(str)     lb = stage_b.labels.astype(str)     shared: set = set(np.unique(la)).intersection(np.unique(lb))-    if SELECTION == "midstate" or SHRINK_ALPHA > 0.0 or VARRESTORE_BETA != 0.0:+    if SELECTION == "midstate" or SHRINK_ALPHA > 0.0 or VARRESTORE_BETA != 0.0 or SPATVAR_BETA != 0.0:         Za, Zb, zmu, zsd = _zscore_pair(Xa, Xb)     if SELECTION == "midstate":         if SEL_SIDE in ("both", "a"):@@ -471,6 +483,61 @@ def main() -> None:             Xb_use[all_rows] = np.clip(                 Zb3[all_rows] * zsd + zmu, 0.0, None).astype(np.float32) +    # PLAN T2EI-09 (node 26): spatially smoothed within-type variance restoration+    # of the selected b cells. Instead of node 24's per-cell radial expansion+    # (which amplified expression differences between spatial neighbors and broke+    # the variogram), each selected b cell moves along the MEAN residual of its+    # spatial k-NN within the same type: r_i = z_i - mu_sel_c; kNN built on the+    # aligned xy coordinates (z is a discrete slice axis, excluded);+    # r~_i = mean(r_j, j in kNN(i) incl. self); z' = z + beta * r~. Neighboring+    # cells move in the same direction, so expression spatial autocorrelation is+    # preserved while within-type variance is restored. Coordinates untouched.+    # beta=0 => bit-identical to parent (mechanism-off control).+    spatvar_diag = []+    if SPATVAR_BETA != 0.0 and ib.size and Zb is not None:+        from scipy.spatial import cKDTree+        Zs = Zb+        if shrink_diag:+            Zs = Zb2+        if varrestore_diag:+            Zs = Zb3+        Zs = Zs.copy()+        lab_sel = lb[ib]+        touched = []+        for tname in sorted(shared):+            sel = np.flatnonzero(lab_sel == tname)+            n_sel = int(sel.size)+            if n_sel < SPATVAR_MIN:+                continue+            rows = ib[sel]+            Zsel = Zs[rows]+            mu_sel = Zsel.mean(axis=0)+            r = Zsel - mu_sel+            k = int(min(max(SPATVAR_K, 1), n_sel))+            tree = cKDTree(cb[rows][:, :2])+            _, nbr = tree.query(cb[rows][:, :2], k=k)+            nbr = np.atleast_2d(nbr)+            rt = r[nbr].mean(axis=1)+            Zs[rows] = Zsel + SPATVAR_BETA * rt+            touched.append(rows)+            rn = np.linalg.norm(r, axis=1)+            rtn = np.linalg.norm(rt, axis=1)+            ok = (rn > 1e-12) & (rtn > 1e-12)+            cos = float(np.mean((r[ok] * rt[ok]).sum(axis=1) / (rn[ok] * rtn[ok]))) if ok.any() else 0.0+            spatvar_diag.append({+                "type": tname, "n_sel": n_sel, "k": k,+                "cos_r_rt": cos,+                "norm_ratio": float(np.mean(rtn[ok] / rn[ok])) if ok.any() else 0.0,+                "var_before": float(Zsel.var(axis=0).sum()),+                "var_after": float(Zs[rows].var(axis=0).sum()),+            })+        if spatvar_diag:+            all_rows = np.concatenate(touched)+            base = Xb if Xb_use is Xb else Xb_use+            Xb_use = base.copy()+            Xb_use[all_rows] = np.clip(+                Zs[all_rows] * zsd + zmu, 0.0, None).astype(np.float32)+     spread_plan = []     spread_diag = []     if ib.size and SPREAD_ALPHA > 0.0:@@ -540,6 +607,13 @@ def main() -> None:         "varrestore_f_mean": float(np.mean([s["f_c"] for s in varrestore_diag])) if varrestore_diag else 1.0,         "varrestore_var_ratio": float(np.mean([s["var_after"] / s["var_before"] for s in varrestore_diag])) if varrestore_diag else 1.0,         "varrestore": varrestore_diag,+        "spatvar_beta": SPATVAR_BETA, "spatvar_k": SPATVAR_K,+        "spatvar_n_types": len(spatvar_diag),+        "spatvar_n_cells": int(sum(s["n_sel"] for s in spatvar_diag)),+        "spatvar_cos_mean": float(np.mean([s["cos_r_rt"] for s in spatvar_diag])) if spatvar_diag else 0.0,+        "spatvar_norm_ratio_mean": float(np.mean([s["norm_ratio"] for s in spatvar_diag])) if spatvar_diag else 0.0,+        "spatvar_var_ratio": float(np.mean([s["var_after"] / s["var_before"] for s in spatvar_diag])) if spatvar_diag else 1.0,+        "spatvar": spatvar_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

**做了什么**：按 PLAN T2EI-09 在父管线 b 侧选胞后实现空间 kNN 平滑型内方差恢复（SPATVAR：同型 xy-kNN 平滑残差位移 β·r̃，K=8/MIN=3，环境变量开关），含 off 对照。

**查分结果**（3/20 次，A 半代理 seed0）：机制确实运行（11 型 675 细胞全被位移，cos(r,r̃)≈0.30 有区分度），但证伪——β=0.15/0.35(K=8)/0.5(K=24) 的 variogram 恶化 +6.2%/+10.1%/+10.0%，首个 β 档即触发 PLAN 停止条款（>5%），且 mmd_u 无收益（0.01116→0.0111）、cell_state 单调降（52.84→52.10→51.70）、榜分单调降（61.14→60.97→60.89→60.88）。空间平滑对 variogram 的单位幅度伤害反而比节点 24 径向膨胀更大。提交态 SPATVAR_BETA=0，输出与父节点逐位一致（md5 b86afc…），确定性重跑与 vec-check 均通过。

**下一步最值得试**：b 侧表达方差恢复方向（径向与空间平滑两类、共 6 次证伪）应彻底关闭；转向未被表达扰动触及的 local_spatial/shape_scale——沿节点 13 方向做各向异性坐标占据补偿，或改变 b 侧细胞身份来源（a-b 近邻差分生成新中间态细胞，而非搬运/扰动真实 b 细胞）。

调研员

出根因：逐细胞独立径向膨胀放大空间邻近细胞间表达差，破坏空间自相关。当前最弱组cell_state=54.35，五次表达空间各向同性方差操纵（节点8/12/17/21/24）均被mmd_u×variogram对冲卡死。本方案直接针对该失败模式：将膨胀方向做空间kNN平滑，使同区域细胞同向移动，恢复方差的同时保留variogram。",
  "approach": "在父管线（κ=0.65, SEL_P=1.0, b侧中间态选胞, γ=1.15）的b侧选胞后、jitter前，新增SPATVARRESTORE步骤：\n1. 对每个共有型c（被选≥SPATVAR_MIN=3），在pooled z-scored panel空间计算每个被选b细胞的残差 r_i = z_i − μ_sel_c。\n2. 空间平滑：用被选b细胞的xy坐标（z为离散切片轴不参与）建kNN图，每个细胞i取同型内空间最近SPATVAR_K个邻居（含自身），计算平滑残差 r̃_i = mean(r_j, j∈kNN(i)∩type_c)。若同型被选细胞<SPATVAR_K，k取同型被选数。\n3. 位移：z'_i = z_i + β·r̃_i，逆变换回表达空间，clip≥0。坐标不动。\n4. 环境变量：SPATVAR_BETA（默认0=关闭），SPATVAR_K（默认8），SPATVAR_MIN（默认3）。\n参数搜索策略（≤10次查分）：\n- 先跑β=0确认与父md5一致（1次）。\n- 固定K=8，扫β∈{0.2, 0.35, 0.5, 0.7}（4次），观察mmd_u与variogram。β范围比节点24更大，因为平滑后位移幅度缩小（r̃比r小），需要更大β补偿。\n- 若β响应正向，在最佳β处扫K∈{4, 12}（2次）。\n- 若seed0正向≥0.5分，用seed1确认（1-2次）。\n停止条款：任何配置使variogram恶化>5%（相对β=0）即停止该方向。\n单输入退路：无括号→无b侧→跳过，与父一致。\nvec-quick筛选：先在小样本（前200个被选细胞）上验证r̃的空间自相关系数>0.5（确认平滑有效），再全量跑。",
  "expected_groups": ["cell_state"],
  "risks": "1. 若型内残差本身空间自相关很高（邻近细胞残差方向相近），平滑后r̃≈r，退化为节点24的逐细胞膨胀，variogram仍会恶化——Engineer应在诊断中输出r̃与r的余弦相似度均值，若>0.95则机制无区分度，尽早停止。2. 平滑可能过度（K太大）导致方差恢复不足，mmd_u改善太小被噪声淹没——用K=4/8/12三档覆盖。3. 预期提升可能仍在噪声（~1分）内——需2个seed确认，单次查分差距<1不算进步。4. 型内被选细胞太少（<K）时kNN退化为型内均值，等效于节点24的径向膨胀——用SPATVAR_MIN=3兜底但记录跳过比例。",
  "family_id": "T2EI-09",
  "mechanism": "对中间态选胞压缩的型内方差做空间kNN平滑恢复：每个被选b细胞沿其空间邻域的平均残差方向位移β·r̃，而非沿自身残差方向径向膨胀，使同区域细胞同向移动、保留表达的空间自相关（variogram）。",
  "vs_constant_shift": "每型有不同的方差缺口（σ²_all/σ²_sel），位移大小和方向由该型被选细胞的空间邻域残差决定，非全局常数；同一型内不同空间区域的细胞位移方向不同（由局部邻域决定），非每型一个常矢量；位移幅度与细胞在型内的空间位置相关，非均匀缩放。",
  "mechanism_evidence": "1. 诊断输出：r̃与r的余弦相似度分布（应<0.95才说明平滑有区分度）、r̃的模长/ r的模长比（量化平滑压缩程度）。2. variogram变化：β>0时variogram恶化应<5%（节点24中β=0.25恶化6.3%）。3. mmd_u变化：应随β单调改善（复现节点24的mmd_u收益）。4. cell_state = f(mmd_u, variogram)：若mmd_u改善而variogram不恶化，cell_state应上升。5. 位移场的空间自相关：对每个基因，计算位移值的Moran's I或kNN相关，应显著>0。",
  "mechanism_off_control": "SPATVAR_BETA=0（代码默认）：β=0时位移为零，z'_i = z_i，输出与父节点逐位一致（md5相同）。同一程序只需设环境变量SPATVAR_BETA=0即关闭，无需改代码。预期差别：榜分、四组分、所有中间指标完全相同。",
  "sources": []
}