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

节点 n29 在终选来历上

侧别条件 z 轴 σ 匹配（a 侧全压缩、b 侧 λ_b 阻尼）已实现并查分证伪：λ_b≠1 的 5 个配置榜分全部低于均匀压缩（λ_b=1），提交态 = 父节点 25（默认 ANISO_B_LAMBDA=1.0，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 8ef85a6872: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 57e3463ae3。改动的文件：solution/METHOD.md +26 −30、solution/run.py +80 −17

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 32762f8..4edc854 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,43 +1,39 @@-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。+侧别条件 z 轴 σ 匹配（a 侧全压缩、b 侧 λ_b 阻尼）已实现并查分证伪：λ_b≠1 的 5 个配置榜分全部低于均匀压缩（λ_b=1），提交态 = 父节点 25（默认 ANISO_B_LAMBDA=1.0，逐位一致）。 -## 方法（family T2EI-05，improve over node 23；提交态 = ANISO_FULL=1, ANISO_AXES=z, ANISO_LAMBDA=1, SPREAD_ALPHA=0）+## 方法（family T2EI-05，improve over node 25）  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）→ jitter。-本节点改动（run.py 环境变量开关）：+κ=0.65 组成阻尼 → b 侧型内中间态偏好选胞（SEL_SIDE=b）→ jitter → 整云 z 轴 σ 匹配（ANISO_FULL=1, ANISO_AXES=z, λ=1）→ 恢复全局 RMS。 -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。+本节点改动（run.py 环境变量开关，PLAN T2EI-05）： -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）。+1. **侧别条件 z σ 匹配（ANISO_B_LAMBDA）**：z 轴匹配因子按侧别分开——a 侧（早端，rows < n_a，jitter 不打乱索引，掩码安全）用完全因子 fac_a = 1+λ·(σ_ref_z/σ_out_z−1)，b 侧用阻尼因子 fac_b = 1+λ_b·(σ_ref_z/σ_out_z−1)，绕全局 μ_z 缩放后恢复 RMS。动机：z 过扩展的根因是 a 侧主导混合（σ_z_a=122.8 vs σ_ref_z=102.4，b 侧本来就偏窄 σ_z_b=70.1），均匀压缩无差别压扁 b 侧邻域。+2. **ANISO_PRE_JITTER**：z 匹配移到 jitter 前。实测与 post 输出**逐位相同**（jitter 只对重复坐标加 1e-4·RMS 噪声，本云坐标唯一），该开关为惰性，未消耗查分。+3. 单输入退路不变（无括号 → early return，不触及新代码）。无新增 RNG，对 seed 确定；σ 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。 -## 机制证据（mechanism_evidence，A 半，E6.75+E8.0→E7.25，t=0.4，seed 0）+## 机制证据与对照（A 半，E6.75+E8.0→E7.25，t=0.4，seed 0，共 5 次查分） -- 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）。+机制确实运行：λ_b=0.5 时 fac_a=0.918、fac_b=0.959，a 侧 z σ 压缩 8.2%（122.8→112.7）、b 侧仅 4.1%（70.1→67.2），与 PLAN 预期一致；λ_b=0 时 b 侧完全不动。 -## 机制对照（mechanism_off_control）与查分全表+off 对照 = ANISO_B_LAMBDA=1.0（默认），输出与父节点 25 预测 h5py 逐数组比对 **diff=0.0**（seed 0），未单独消耗查分（重查确认 61.504）。 -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）：+| λ_b | 榜分 | shape | local | cell_state | expr | d2_shape | occ_dice | nbhd_mmd |+|---:|---:|---:|---:|---:|---:|---:|---:|---:|+| 0 | 61.25 | 73.36 | 58.28 | 52.84 | 60.5 | 0.00984 | 0.7735 | 0.05478 |+| 0.5 | 61.31 | 73.51 | 58.40 | 52.84 | 60.5 | 0.00961 | 0.7745 | 0.05452 |+| **1.0（=父 25，提交）** | **61.50** | **74.20** | 58.47 | 52.84 | 60.5 | **0.00945** | **0.7862** | 0.05436 |+| 1.25 | 61.44 | 73.88 | 58.55 | 52.84 | 60.5 | 0.00940 | 0.7798 | 0.05420 |+| 1.5 | 61.46 | 73.89 | 58.60 | 52.84 | 60.5 | 0.00938 | 0.7798 | 0.05409 | -| 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 |+四组分变化：expression_change / cell_state 五档完全不动（表达未改）；shape_scale 与 local_spatial 此消彼长——λ_b<1 时 b 侧欠压缩使整体 z σ 失配且 a/b 边界互穿，nbhd_mmd 反而恶化（0.05452/0.05478 > 0.05436）、occ_dice 掉 0.7~1.3pp；λ_b>1（PLAN 外的反向探索）确实按假设方向恢复 local（nbhd_mmd 单调回落向 off 值 0.05314），但 occ_dice 同样掉到 0.7798，shape −0.3，净榜分仍低于父。 -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。+## 结论：机制证伪 -## 结论与已验证/未验证+- PLAN 假设"local 损失来自 b 侧被无差别压扁"不成立：**任何侧别差异化**（无论 b 侧压得比 a 侧少还是多）都破坏 occupancy_dice 与 neighborhood 结构，榜分在 λ_b=1（均匀单因子）处是峰，两侧单调下降。父节点 local −0.5 的损失更可能来自 z 压缩本身（邻域在 z 方向变密），而非侧别无差别。+- 按 PLAN 预案第 5 步：提交态 = 父节点 25（代码默认即此，逐位一致），vec-check ok（seed 0/7）。+- 已验证：off 对照逐位一致、λ_b 五档单调性、PRE_JITTER 惰性。未验证：λ_b>1.5、按型（而非侧别）分别匹配 z、κ×λ 联合网格（父节点 next_suggestions，未在本 30 分钟预算内展开）；B 半与真实括号迁移。+- 生物学知识来源：无新增；纯数据驱动的坐标几何机制。 -- 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。+## 下一步建议++侧别/差异化 z 缩放方向已双向证伪，不要再扫。local_spatial 与 shape_scale 在 z 匹配族内是硬权衡（nbhd_mmd ↔ occ_dice），要突破需换轴：如 κ（组成阻尼）与 z 匹配联合小网格，或针对 neighborhood_mmd 的空间 kNN 感知 z 压缩（按局部密度而非全局单因子）。diff --git a/solution/run.py b/solution/run.pyindex 593b46e..2131264 100644--- a/solution/run.py+++ b/solution/run.py@@ -81,6 +81,24 @@ 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).++Change (PLAN T2EI-05, node 29): side-conditional z sigma matching+(env ANISO_B_LAMBDA, ANISO_PRE_JITTER). The a side (early bracket, rows+< n_a; jitter does not permute indices so the mask survives) keeps the full+matching factor, the b side gets the factor damped by ANISO_B_LAMBDA, both+around the global mu_z, then the global RMS is restored. Motivation: the z+over-extension comes from the a-dominated mix (sigma_z_a=122.8 vs+sigma_ref_z=102.4 while the b side is already narrow, 70.1), so uniform+compression needlessly flattens b-side neighbourhoods. FALSIFIED on the+proxy (A half, seed 0, 5 queries): lambda_b=0 -> 61.25, 0.5 -> 61.31,+1.0 (=node 25) -> 61.50, 1.25 -> 61.44, 1.5 -> 61.46. ANY side-differential+scaling hurts occupancy_dice (0.786 -> 0.774/0.780) and thus shape_scale,+even when lambda_b>1 restores local_spatial/nbhd_mmd as hypothesised in+reverse. The board score peaks at the uniform factor. ANISO_PRE_JITTER is+inert: jitter only noises duplicate coordinates (1e-4*RMS) and this cloud is+unique, so pre/post outputs are bit-identical. Submitted state = node 25+(defaults ANISO_B_LAMBDA=1.0, ANISO_PRE_JITTER=0), verified bit-identical+to the parent prediction (h5py max diff 0.0, seeds 0/7 vec-check ok). """  from __future__ import annotations@@ -124,8 +142,55 @@ ANISO_BETA = float(os.environ.get("ANISO_BETA", "0.0"))   # 0 = isotropic (paren 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_LAMBDA = float(os.environ.get("ANISO_LAMBDA", "1.0"))  # damping of the per-axis matching toward sigma_ref (a side) ANISO_AXES = os.environ.get("ANISO_AXES", "z").strip().lower()  # submitted: match z only (xy falsified, see METHOD)+# PLAN T2EI-05 (node 29): side-conditional matching. a side keeps the full+# factor (lambda_a = ANISO_LAMBDA), b side is damped by ANISO_B_LAMBDA so its+# own z neighbourhood structure survives; 1.0 degenerates to node 25.+ANISO_B_LAMBDA = float(os.environ.get("ANISO_B_LAMBDA", "1.0"))+ANISO_PRE_JITTER = int(os.environ.get("ANISO_PRE_JITTER", "0"))+++def _side_sigma_match(coords: np.ndarray, off_a: int, s_ref_axes: np.ndarray):+    """Side-conditional per-axis sigma matching around the global mean.++    Per matched axis: r = sigma_ref / sigma_out; the a-side rows (first off_a)+    get factor 1 + ANISO_LAMBDA*(r-1), the b-side rows get the damped factor+    1 + ANISO_B_LAMBDA*ANISO_LAMBDA*(r-1). ANISO_B_LAMBDA=1 reproduces the+    node-25 whole-cloud factor exactly (same float path). Returns the edited+    cloud and diagnostics including per-side z sigma before/after.+    """+    mu0 = coords.mean(axis=0)+    out = coords - mu0+    fac = np.ones((coords.shape[0], 3))+    diag = {"aniso_full": 1, "aniso_lambda": ANISO_LAMBDA, "aniso_axes": ANISO_AXES,+            "aniso_b_lambda": ANISO_B_LAMBDA, "aniso_pre_jitter": ANISO_PRE_JITTER}+    has_a = 0 < off_a < coords.shape[0]+    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())+        r = s_ref / max(s_out, 1e-9)+        fac_a = 1.0 + ANISO_LAMBDA * (r - 1.0)+        fac_b = 1.0 + ANISO_B_LAMBDA * ANISO_LAMBDA * (r - 1.0)+        if has_a:+            fac[:off_a, ax] = fac_a+            fac[off_a:, ax] = fac_b+        else:+            fac[:, ax] = fac_a if off_a > 0 else fac_b+        diag[f"full_fac_{'xyz'[ax]}"] = float(fac_a)+        diag[f"full_fac_{'xyz'[ax]}_b"] = float(fac_b)+        if "xyz"[ax] == "z":+            za_before = float(out[:off_a, ax].std()) if off_a else 0.0+            zb_before = float(out[off_a:, ax].std()) if off_a < coords.shape[0] else 0.0+            after = out * fac+            za_after = float(after[:off_a, ax].std()) if off_a else 0.0+            zb_after = float(after[off_a:, ax].std()) if off_a < coords.shape[0] else 0.0+            diag.update({"sigma_z_a": (za_before, za_after), "sigma_z_b": (zb_before, zb_after),+                         "sigma_ref_z": s_ref, "sigma_out_z": s_out})+    coords = mu0 + out * fac+    return coords, diag   def _spread_apply(X: np.ndarray, rows: np.ndarray, mu: np.ndarray, f: float) -> None:@@ -533,7 +598,13 @@ def main() -> None:         parts.append(np.clip(Xb[ib], 0.0, None).astype(np.float32))         coord_parts.append(cb[ib])     expr = np.vstack(parts) if len(parts) > 1 else parts[0]-    coords = _jitter(np.vstack(coord_parts), rng)+    stacked = np.vstack(coord_parts)+    off_a = int(ia.size)+    aniso_pre = False+    if ANISO_FULL and ANISO_PRE_JITTER and not (spread_plan and SPREAD_WHEN == "post"):+        stacked, aniso_diag = _side_sigma_match(stacked, off_a, s_ref_axes)+        aniso_pre = True+    coords = _jitter(stacked, rng)     if spread_plan and SPREAD_WHEN == "post":         mu0 = coords.mean(axis=0)         centered = coords - mu0@@ -549,22 +620,14 @@ def main() -> None:             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+        # Side-conditional per-axis sigma matching (PLAN T2EI-05, node 29):+        # match the output cloud's per-axis spread to the bracket-interpolated+        # reference, a side with the full factor and b side damped by+        # ANISO_B_LAMBDA (=1 => node-25 whole-cloud behaviour), then restore+        # the global RMS.+        if not aniso_pre:+            coords, aniso_diag = _side_sigma_match(coords, off_a, s_ref_axes)         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) 

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

**节点 29 完成。**

- **做了什么**：按 PLAN T2EI-05 实现侧别条件 z 轴 σ 匹配（a 侧全压缩 fac_a=0.918、b 侧 λ_b 阻尼，绕全局 μ_z），另实现 ANISO_PRE_JITTER（实测惰性，pre/post 输出逐位相同，未耗查分）。off 对照（λ_b=1.0）与父节点 25 预测 h5py 逐数组 diff=0.0。
- **查分结果**（5 次，A 半 seed 0）：λ_b = 0 → 61.25，0.5 → 61.31，**1.0（父）→ 61.50**，1.25 → 61.44，1.5 → 61.46。机制证伪：任何侧别差异化都掉 occupancy_dice（0.786→0.774/0.780）伤 shape，λ_b>1 虽按反向假设恢复了 local_spatial（nbhd_mmd 0.05436→0.05409），净分仍低于均匀压缩。**提交态 = 父节点 25**（代码默认逐位一致），vec-check ok（seed 0/7）。
- **下一步最值得试**：侧别/差异化 z 缩放已双向证伪，勿再扫；local↔shape 在 z 匹配族内是 nbhd_mmd↔occ_dice 硬权衡。建议换轴：κ（组成阻尼 0.55–0.75）× z 匹配联合小网格，或空间局部感知的 z 压缩（按局部密度调制因子而非全局单因子）。

调研员

点 25 整云 z 匹配（fac≈0.92）使 shape_scale +1.03 但 local_spatial −0.59（neighborhood_mmd 0.05314→0.05436），净榜分仅 +0.11。z 过扩展的根因是 a 侧（早端）占混合的 ~52%，但当前机制对所有细胞施加同一压缩因子，无差别地压扁了 b 侧细胞的 z 邻域。ANALYSIS 建议'按型分别匹配 z 而非整云单因子'；本方案按因果根源（侧别）而非型别做条件匹配，更直接、实现更简。",
  "approach": "步骤：1) 在 run.py 的 ANISO_FULL 分支中，将当前整云单因子 z 匹配改为侧别加权：对 a 侧细胞施加完全匹配因子 fac_a = 1 + λ_a·(σ_ref_z/σ_out_z − 1)（λ_a=1 固定），对 b 侧细胞施加衰减因子 fac_b = 1 + λ_b·(σ_ref_z/σ_out_z − 1)，λ_b 由环境变量 ANISO_B_LAMBDA 控制（初值 0.5，搜索 {0, 0.25, 0.5, 0.75, 1.0}）。σ_ref_z 和 σ_out_z 仍从原始对齐云现场计算，缩放绕全局 μ_z。2) 快速变体：将 z 匹配移到 jitter 之前（env ANISO_PRE_JITTER=1），jitter 会在 z 方向随机回补部分方差，等效软化压缩；与 λ_b 组合测试。3) 用 vec-score 在 A 半 seed 0 上筛选：先跑 off 对照确认 = 父节点（1 次），再跑 λ_b∈{0, 0.5, 1.0}×PRE_JITTER∈{0,1} 共 6 配置（6 次），选 local_spatial 恢复最多且 shape_scale ≥ 73 的配置（约 2 次），最优配置换 seed 1 验证（1 次），共 ≤ 10 次。4) 单输入退路：无括号时 early return，不触及新代码，与父节点一致。5) 若 λ_b=0（b 侧完全不压缩）导致 d2_shape 恶化 > 10%，则回退到 λ_b=0.5；若所有 λ_b<1 的 shape_scale 均 < 72.5（低于父节点 23 的 72.48），则机制证伪，提交态 = 父节点 25。",
  "expected_groups": ["local_spatial", "shape_scale"],
  "risks": "1) b 侧不压缩可能使整体 z σ 匹配不足，d2_shape 回升，shape_scale 下降超过 local_spatial 恢复——Engineer 应在前 3 次查分内检查 d2_shape 是否 > 0.011（父节点 0.00945），若是则只试 λ_b=0.75。2) 侧别标签在 jitter 后可能丢失（若 jitter 打乱索引）——实现时在 jitter 前记录 a/b 侧掩码，jitter 后用掩码索引。3) 改善幅度可能 < 1 分（T2 噪声），需 seed 1 确认方向一致；若两 seed 均 < +0.5 则如实报告证伪。",
  "family_id": "T2EI-05",
  "mechanism": "侧别条件 z 轴 σ 匹配：a 侧细胞用完全因子压缩 z 以修正早端主导混合造成的 z 过扩展，b 侧细胞用衰减因子（ANISO_B_LAMBDA < 1）保留其 z 邻域结构，绕全局 μ_z 缩放后恢复 RMS。",
  "vs_constant_shift": "常数 z 位移对所有细胞加同一偏移，不改变 z 离散度。本机制按侧别施加不同的乘性 z 缩放（绕质心），改变 a 侧和 b 侧各自的 z 展布，且缩放因子由括号插值 σ_ref_z 数据驱动，不是固定常数。",
  "mechanism_evidence": "Engineer 应打印：(1) a 侧和 b 侧各自的 z σ 在匹配前后的变化（预期 a 侧压缩 ~8%，b 侧压缩 < 4% @ λ_b=0.5）；(2) neighborhood_mmd 相对整云匹配（0.05436）是否回落到 ≤ 0.0535；(3) d2_shape 是否保持 ≤ 0.010；(4) 四组分各自的变化，尤其 local_spatial 是否回到 ≥ 60.5。",
  "mechanism_off_control": "ANISO_B_LAMBDA=1.0 且 ANISO_PRE_JITTER=0 时，a/b 侧因子相同，退化为整云单因子 z 匹配，输出应与父节点 25 逐数组一致（h5py 逐数组 allclose 验证）。若不一致说明实现有 bug。",
  "sources": []
}
```

审查员

REVIEW.json written