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

节点 n6

相关加权Procrustes+PCA规范化+残差剔除+z网格均衡：PLAN机制全部实现并对照，加权/剔除/z均衡均有害，提交=父节点对齐+PCA规范化（中性）

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 10438588b3: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 15bc86a0b1。改动的文件：solution/METHOD.md +29 −24、solution/README.md +2 −2、solution/run.py +127 −7

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 1a3b213..776a8a7 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,39 +1,44 @@-# 类型匹配混合插值（matched-align mix）+ 类型位移机制（对照显示代理上有害，提交关闭）+# 相关加权Procrustes+PCA规范化+残差剔除+z网格均衡：PLAN机制全部实现并对照，加权/剔除/z均衡均有害，提交=父节点对齐+PCA规范化（中性） -双括号真实细胞按 t 混合（表达+坐标+组成），新增：用类型均值表达的相关性把上括号类型匹配到下括号类型，匹配名用于 Procrustes 坐标对齐，形状分 53.1→54.5；PLAN 指定的类型位移机制已实现并验证，但在本代理上单调降低总分，提交配置 γ=0。+在父节点4（matched-align mix）上实现 PLAN T2HI-02 的三项坐标机制（r²加权Kabsch、2σ残差剔除、PCA手性规范化），另试 z 切片网格均衡。proxy 查分：加权 59.28、剔除+等权 58.62、count×r² 58.72、z均衡 58.94，全部 ≤ 父节点 59.38；规范化严格刚性、分数不变（59.3757）。按"选择依据是查分结果"提交：加权/剔除/z均衡默认关，规范化默认开。 -## 方法+## 方法与开关 -1. `interp_bracket` 取目标两侧输入（proxy: E8.25_late + E9.5 → t=0.4），单输入/无括号时退化为 copy_last（分层抽样到上限）。-2. **类型匹配**（新）：两阶段标注词汇几乎不重叠（33 vs 22 型，仅 5 个同名）。对每对 (下括号类型, 上括号类型) 计算类型均值表达（面板 500 基因）的 Pearson 相关，贪心一对一匹配，r ≥ 0.3、每侧 ≥30 细胞。匹配结果（如 A-CM→IFT-CM r=0.81、Foregut→Lateral FG r=0.81、Great Artery Endoth→Endo r=0.86）符合已知谱系关系；只用表达数据现场计算，不硬编码。-3. **坐标对齐**（新）：`align_pair(procrustes)` 用匹配后的共享类型质心做 xy Kabsch（5 个同名 → 最多 21 个匹配质心），z 保号。两朵云缩放到 log 线性目标 RMS（scale_damp=1）。-4. **细胞混合**：`mix_indices` 按 (1−t, t) 从两侧分层抽样（用原始标签，不合并匹配名——合并会使 cell_state 65.9→65.9 但组成失真），总数 `interp_count` 夹到 [min, max]。-5. **类型位移机制**（PLAN T2HI-01，已实现）：delta[type] = 匹配对的类型均值差；下括号细胞 +γ·t·delta、上括号细胞 −γ·(1−t)·delta，使两侧落到时间插值的类型均值。开关：`T2_SHIFT_GAMMA`（提交默认 0）、`T2_GAMMA_A/B`、`T2_MATCH_R`、`T2_T`（=0 时整体退化为 copy_last 对照）。+表达/混合/组成逻辑完全未动（expression_change 63.83、cell_state 65.93 与父节点逐位一致）。只改坐标侧： -## 查分结果（proxy，seed 0，A 半）+1. **相关加权 Kabsch**（`weighted_align`，`T2_WEIGHT`/`T2_WMODE`）：19 对匹配质心（5 同名 r=1 + 14 相关匹配 r=0.53–0.86），第二轮 Kabsch 用 w=r²（或 count×r²）。诊断：等权残差均值 256.3，r² 加权升到 275.6，旋转差 63°——匹配 r 高不代表质心几何一致（如 V-CM r=0.78 但残差最大，被 2σ 剔除后反而更差）。+2. **残差剔除**（随 `T2_WEIGHT=1` 生效，`T2_WMODE=prune_eq` 可单独测）：第一轮等权后剔除残差 > mean+2σ 的对（本 proxy 剔 1 对 V-CM），最少保 5 对，有效对数 <8 时回退等权（PLAN 风险 2/3 的下限都实现）。+3. **PCA 规范化**（`canonicalize`，`T2_CANON`，默认开）：最终坐标减质心→PCA 旋转→det=+1→逐轴按第三矩定向。刚性变换，RMS 346.33 不变，seed 0 分数与父节点逐位相同（59.3757 vs 59.38），确认评分器位姿不变；保留它只固定输出位姿的确定性，不指望分数。+4. **z 网格均衡**（`T2_ZEQ`，默认关，PLAN 外补充尝试）：两输入 z-std 145/173、切片 38/40，父节点混合输出 77 层交错切片；把两朵云 z 缩到 log 插值公共 std 后 d2_shape 0.0375→0.0398、shape 54.45→53.28，说明交错切片反而更接近真值形状，弃用。+5. 机制关闭对照：`T2_WEIGHT=0 T2_CANON=0 T2_ZEQ=0` 输出与父节点4逐位一致（X、coords allclose=True），得分即父节点 A 半 59.38。单输入退路（copy_last 分支）未动。 -| 配置 | 榜分 | expr | state | shape | local |+## 查分结果（proxy，seed 0，A 半，8 次/额度 20）++| 配置 | 榜分 | shape | local | expr | state | |---|---:|---:|---:|---:|---:|-| **提交：matched-align mix, γ=0** | **59.38** | 63.8 | 65.9 | **54.4** | 53.3 |-| 对照 T2_T=0（机制关，=copy_last） | 48.73 | 44.1 | 51.3 | 49.8 | 49.8 |-| exact-name align mix, γ=0（≈seed mix） | 59.07 | 63.8 | 65.9 | 53.1 | 53.5 |-| matched align + γ_a=γ_b=0.5 | 57.47 | 67.1 | 58.0 | 53.7 | 51.1 |-| matched align + γ_b=1（只移上括号） | 57.12 | 69.3 | 54.8 | 53.7 | 50.8 |-| γ=0.25, r≥0.6 | 58.00 | 65.1 | 62.2 | 52.4 | 52.3 |-| matched align + γ_a=0.5 | 58.44 | 63.4 | 64.5 | 54.4 | 51.5 |+| **提交：等权+PCA规范化（W0C1）** | **59.38** | 54.45 | 53.30 | 63.83 | 65.93 |+| r²加权+剔除+规范化（PLAN 提交案） | 59.28 | 54.06 | 53.29 | 63.83 | 65.93 |+| r²加权+剔除，无规范化 | 59.28 | 54.06 | 53.29 | 63.83 | 65.93 |+| 剔除+等权 | 58.62 | 52.14 | 52.59 | 63.83 | 65.93 |+| count×r²加权+剔除 | 58.72 | 52.62 | 52.49 | 63.83 | 65.93 |+| 等权+规范化+z均衡 | 58.94 | 53.28 | 52.73 | 63.83 | 65.93 |  ## 机制生效证据与对照结论 -- 对照 T2_T=0（48.73）vs 提交（59.38）：插值机制整体有效，expression_change 44.1→63.8 是最大变化项，符合 PLAN 预期。-- **类型位移子机制（γ）在代理上单调有害**：γ 从 0 → 0.25 → 0.5 → 1，expression_change 升（63.8→69.3）但 cell_state 降更多（65.9→54.8），总分单调下降；γ_a、γ_b、匹配阈值多种组合都试过（上表），无一超过 γ=0。原因推测：对 log 表达做类型级平移使细胞离开真实流形（mmd_u 0.033→0.038），且多对一匹配（Endo 收 4 个上括号内皮亚型）使 delta 混入类型身份差而非时间差。**按"选择依据是查分结果"的规则，提交默认 γ=0**；位移代码保留，`T2_SHIFT_GAMMA>0` 可复现。真实榜（E8.25+E8.75，31 个同名类型，词汇一致）上位移可能不再受匹配噪声污染，值得后续节点在 final 语义下重估——但本节点只按 proxy 证据提交。-- matched-align 的收益（shape 53.1→54.4，d2_shape 0.0393→0.0375、occupancy 0.834→0.848）来自更多可靠质心对；r≥0.6 的子集反而更差（51.6），贪心一对一在 r≥0.3 全集上最稳。+- 机制确实改变了对齐：加权后旋转与等权差 63.1°，剔除 1 对（V-CM，残差 >2σ），四组分中 shape_scale 54.45→54.06/52.14/52.62、local_spatial 53.30→53.29/52.59/52.49，expr/state 逐位不变（未动表达，符合 PLAN 预期）。+- **PLAN 假设被证伪**：低 r 匹配不是对齐残差的主要来源——被剔除的恰是高 r 的 V-CM；r² 加权增大而非减小质心拟合残差（256→276）。原因：匹配 r 度量表达谱相似性，与质心几何一致性无关；且 19 对质心的 Procrustes 残差均值 256 ≈ RMS 354 的 73%，两朵云的形状本身对不上，加权微调旋转无增益。+- 规范化对照：W0C1 vs 对照 W0C0 分数逐位相同 → 评分器位姿不变，规范化只去输出位姿歧义，A/B 半都不应有分差。+- 结论：提交配置 = 父节点几何 + 刚性规范化，预期节点分 ≈ 父节点 59.64（rank3），无提升也无损害；本节点的贡献是排除了坐标侧三个方向。  ## 验证过 / 没验证过 -- 验证：proxy 上 8 个配置的 vec-score；格式 vec-check 通过；seed 0/1 运行确定且 <5s、<1GB；单输入退化路径存在（copy_last 分支）。-- 没验证：final 视图（无权限）；γ>0 在 31 同名类型真实括号上的行为；伪装视图重跑（代码只读 manifest 数据与时间差，t 由 `interp_bracket` 时间计算，无绝对时间/路径分支，预期通过）。+- 验证：proxy 6 配置查分；对照输出与父节点逐位一致；seed 0/1 均通过 vec-check、<5s、<1GB；默认开关下 `run.py` 在完整 proxy 视图跑通。+- 没验证：final 视图（真实括号 31 个同名类型、r 大多=1，加权退化为 count 无关的等权，预期与父节点无差别）；伪装视图重跑（代码只读 manifest 数据与时间差，无绝对时间/路径/视图名分支，规范化使输出位姿与输入帧无关，预期通过）；B 半分数。  ## 知识来源 -- 谱系常识仅用于事后核对匹配合理性（心肌 A-CM/OFT-CM/SV-CM↔IFT-CM/V-CM、内皮 BEC/VEC↔Endo、前肠 Foregut↔Lateral FG、肝 Hepatocytes↔Gut Endoderm、PAM 背/侧↔PAM 亚型）；匹配本身完全由输入数据的表达相关现场计算，未使用任何保留阶段信息。-- 方法骨架复用 `src.task2_spatial`（frame/sample/shift/methods）；坐标 z 为离散切片、保 z 用 procrustes 的依据来自方法卡。+未引入新的生物学知识；全部计算（类型匹配 r、质心、残差 σ、z-std）由视图输入现场算出。z 为离散切片、心脏插值保 z 的依据来自方法卡。++## 下一步建议++坐标侧微调（加权/剔除/z 网格）已系统性排除；shape_scale 的大头是 scale_log_ratio 0.467（预测 RMS 346 vs 真值 ~217），但目标阶段尺寸属禁窗信息，不可用先验硬调。剩余空间在表达侧流形内做法（ANALYSIS 建议的同型 OT 重采样代替线性平移）或接受 mix 近最优。diff --git a/solution/README.md b/solution/README.mdindex a57f019..3aaf3a1 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,3 +1,3 @@-# T2:heart:val_interp — matched-align mix（节点 4，improve over copy_last）+# T2:heart:val_interp — node 6: matched-align mix + PCA canonicalisation -双括号细胞按 t 混合（表达+坐标+组成），类型均值相关匹配扩展 Procrustes 对齐质心。proxy seed 0：59.38（对照 t=0：48.73）。详见 METHOD.md。+PLAN 的加权Procrustes/残差剔除/z均衡实测均有害（58.6-59.3 < 59.4），提交=父节点4几何+刚性PCA规范化。详见 METHOD.md。diff --git a/solution/run.py b/solution/run.pyindex 8ecb1a5..b54e657 100644--- a/solution/run.py+++ b/solution/run.py@@ -17,10 +17,19 @@ cells per side). Matched names are used both for the displacement and for the Procrustes coordinate alignment, which otherwise has almost no shared centroids to align on. +Coordinate-side refinements (family T2HI-02): the Procrustes alignment of the+matched type centroids is made correlation-weighted (w = r^2, r from the type+matching) with a residual outlier pruning pass (drop pairs whose first-round+residual exceeds mean + 2 sigma, keep at least 5), and the final mixed+coordinate cloud is PCA-canonicalised (rotation with det = +1, per-axis sign+fixed by the third moment) to remove chirality/pose variance.+ Controls (env, mechanism must stay ON in the submitted run):   T2_SHIFT_GAMMA=0   -> plain seed-mix behaviour (displacement off)   T2_T=0             -> copy of the lower bracket (interpolation off)   T2_MATCH_R=1.1     -> disable correlation matching (exact names only)+  T2_WEIGHT=0        -> equal-weight Procrustes (node-4 behaviour)+  T2_CANON=0         -> skip PCA canonicalisation of the output cloud """  from __future__ import annotations@@ -30,7 +39,15 @@ import os  import numpy as np -from src.task2_spatial.frame import align_pair, log_interp, rms_radius, scale_to_rms+from src.task2_spatial.frame import (+    align_pair,+    center,+    kabsch,+    log_interp,+    rms_radius,+    scale_to_rms,+    shared_centroids,+) from src.task2_spatial.methods import _jitter, _pack_expr from src.task2_spatial.sample import interp_count, mix_indices, take from src.task2_spatial.shift import apply_type_delta, type_means@@ -46,17 +63,23 @@ from src.task2_spatial.view_io import ( MIN_TYPE = 30  # minimum cells per side for a type to take part in matching/delta  -def match_types(A, B, match_r: float) -> dict[str, str]:-    """Map B type names onto A type names: exact match, then greedy correlation."""+def match_types(A, B, match_r: float) -> tuple[dict[str, str], dict[str, float]]:+    """Map B type names onto A type names: exact match, then greedy correlation.++    Returns (mapping, rmap): rmap gives the Pearson r behind each *correlation*+    match, keyed by the A-side name (exact-name matches carry no entry, treated+    as r = 1.0 downstream).+    """     la = np.asarray(A.labels).astype(str)     lb = np.asarray(B.labels).astype(str)     ca = {k: int(v) for k, v in zip(*np.unique(la, return_counts=True))}     cb = {k: int(v) for k, v in zip(*np.unique(lb, return_counts=True))}     mapping = {k: k for k in cb if k in ca}+    rmap: dict[str, float] = {}     rest = [k for k in cb if k not in ca and cb[k] >= MIN_TYPE]     cand = [k for k in ca if ca[k] >= MIN_TYPE]     if not rest or not cand or match_r > 1.0:-        return mapping+        return mapping, rmap     ma = type_means(A.X, la)     mb = type_means(B.X, lb)     P = np.vstack([ma[k] for k in cand]).astype(np.float64)@@ -78,9 +101,88 @@ def match_types(A, B, match_r: float) -> dict[str, str]:         used_b.add(i)         used_a.add(j)         mapping[rest[i]] = cand[j]+        rmap[cand[j]] = r         if len(used_b) == len(rest):             break-    return mapping+    return mapping, rmap+++MIN_KEEP = 5      # never prune below this many centroid pairs+MIN_EFF = 8       # fall back to equal weights if effective pair count drops below this+++def weighted_align(coords_a, coords_b, labels_a, labels_b, rmap: dict[str, float],+                   min_count: int = 30, wmode: str = "r2"):+    """z-held Procrustes like align_pair('procrustes'), but the second-round+    Kabsch uses w = r^2 per matched centroid pair and prunes first-round+    residual outliers (> mean + 2 sigma). Falls back to align_pair when there+    are too few pairs or the weighting degenerates."""+    a = center(np.asarray(coords_a, dtype=np.float64))+    b = center(np.asarray(coords_b, dtype=np.float64))+    ca, cb, w, keys = shared_centroids(a, labels_a, b, labels_b, min_count)+    if len(keys) < 3:+        return align_pair(coords_a, coords_b, labels_a, labels_b, "pca")+    rvals = np.array([rmap.get(k, 1.0) for k in keys], dtype=np.float64)+    p, q = cb[:, :2], ca[:, :2]+    # first round: parent behaviour (equal/count weights)+    r1, _, _ = kabsch(p, q, w, allow_reflection=True)+    keep = np.ones(len(keys), dtype=bool)+    if len(keys) >= MIN_EFF:+        res = np.linalg.norm(p @ r1 - q, axis=1)+        thr = res.mean() + 2.0 * res.std()+        k2 = res <= thr+        if k2.sum() < MIN_KEEP:+            k2 = np.zeros_like(k2)+            k2[np.argsort(res)[: max(MIN_KEEP, len(keys) // 2)]] = True+        keep = k2+    if wmode == "count_r2":+        ww = w[keep].astype(np.float64) * rvals[keep] ** 2+    elif wmode == "prune_eq":+        ww = w[keep].astype(np.float64)+    else:+        ww = rvals[keep] ** 2+    n_eff = float(ww.sum() ** 2 / max((ww ** 2).sum(), 1e-12))+    if n_eff < MIN_EFF and keep.sum() >= MIN_EFF:+        ww = w[keep].astype(np.float64)  # weighting degenerate: keep equal weights+    r2, _, _ = kabsch(p[keep], q[keep], ww, allow_reflection=True)+    by = b[:, :2] @ r2+    za = ca[keep][:, 2] - np.average(ca[keep][:, 2], weights=ww)+    zb = cb[keep][:, 2] - np.average(cb[keep][:, 2], weights=ww)+    bz = b[:, 2].copy()+    z_flipped = False+    if float(np.dot(za, zb)) < 0:+        bz = -bz+        z_flipped = True+    out_a = np.column_stack([a[:, :2], a[:, 2]])+    out_b = np.column_stack([by, bz])+    info = {+        "align": "procrustes_r2w",+        "n_shared_types": int(len(keys)),+        "n_kept": int(keep.sum()),+        "n_eff": n_eff,+        "dropped": [str(k) for k, kp in zip(keys, keep) if not kp],+        "det": float(np.linalg.det(r2)),+        "z_flipped": bool(z_flipped),+        "z_sign_source": "centroids",+    }+    return center(out_a), center(out_b), info+++def canonicalize(coords: np.ndarray) -> np.ndarray:+    """PCA-canonical pose: centred, rotated onto principal axes with det = +1,+    each axis signed by its third moment. Rigid, so RMS radius is preserved."""+    x = np.asarray(coords, dtype=np.float64)+    x = x - x.mean(axis=0)+    _, _, vt = np.linalg.svd(x, full_matrices=False)+    rot = vt.T+    if float(np.linalg.det(rot)) < 0:+        rot = rot.copy()+        rot[:, -1] *= -1.0+    y = x @ rot+    for ax in range(y.shape[1]):+        if float((y[:, ax] ** 3).mean()) < 0:+            y[:, ax] *= -1.0+    return y - y.mean(axis=0)   def main() -> None:@@ -95,6 +197,10 @@ def main() -> None:     gamma_b = float(os.environ.get("T2_GAMMA_B", str(gamma)))     match_r = float(os.environ.get("T2_MATCH_R", "0.3"))     align = os.environ.get("T2_ALIGN", "procrustes")+    weighted = os.environ.get("T2_WEIGHT", "0") not in {"0", "", "false", "False"}+    wmode = os.environ.get("T2_WMODE", "r2")+    canon = os.environ.get("T2_CANON", "1") not in {"0", "", "false", "False"}+    zeq = os.environ.get("T2_ZEQ", "0") not in {"0", "", "false", "False"}     t_override = os.environ.get("T2_T")      manifest = load_manifest(args.data)@@ -119,15 +225,27 @@ def main() -> None:     A = read_stage(args.data, a_entry, genes)     B = read_stage(args.data, b_entry, genes) -    mapping = match_types(A, B, match_r)  # B name -> A name+    mapping, rmap = match_types(A, B, match_r)  # B name -> A name     lb = np.array([mapping.get(str(x), str(x)) for x in B.labels])     lb_orig = np.asarray(B.labels).astype(str) -    aligned_a, aligned_b, _info = align_pair(A.coords, B.coords, A.labels, lb, align)+    if weighted:+        aligned_a, aligned_b, _info = weighted_align(A.coords, B.coords, A.labels, lb, rmap, wmode=wmode)+    else:+        aligned_a, aligned_b, _info = align_pair(A.coords, B.coords, A.labels, lb, align)     rms_a, rms_b = rms_radius(A.coords), rms_radius(B.coords)     target_rms = log_interp(rms_a, rms_b, t, 1.0)     ca = scale_to_rms(aligned_a, target_rms)     cb = scale_to_rms(aligned_b, target_rms)+    if zeq:+        # The two stages have different z spreads (slice grids), so mixing them+        # raw interleaves ~2x the slices. Rescale each cloud's z to the common+        # log-interpolated z-std computed from the two inputs only.+        sa, sb = float(ca[:, 2].std()), float(cb[:, 2].std())+        if sa > 1e-8 and sb > 1e-8:+            st = log_interp(sa, sb, t, 1.0)+            ca[:, 2] *= st / sa+            cb[:, 2] *= st / sb      n = interp_count(A.n, B.n, t, lo, hi, 1.0)     ia, ib = mix_indices(A.labels, lb_orig, t, n, rng)@@ -151,6 +269,8 @@ def main() -> None:         cparts.append(cb[ib])     expr = _pack_expr(parts)     coords = scale_to_rms(_jitter(np.vstack(cparts), rng), target_rms)+    if canon:+        coords = canonicalize(coords)     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。节点 6 提交内容：

**做了什么**：实现 PLAN T2HI-02 全部三项坐标机制（r²加权Kabsch+2σ残差剔除、PCA手性规范化，均带环境开关），另补试 z 切片网格均衡；对照 `T2_WEIGHT=0 T2_CANON=0` 输出与父节点4逐位一致。

**查分结果**（proxy A半，6次/额度20）：加权+剔除 59.28、剔除等权 58.62、count×r² 58.72、z均衡 58.94，全部 ≤ 父节点 59.38；PCA规范化严格刚性、分数逐位不变（59.3757）。PLAN 假设被证伪——被剔除的是高 r 的 V-CM，r² 加权反而增大质心残差（256→276）。提交=父节点几何+规范化（默认 WEIGHT=0, CANON=1, ZEQ=0），预期 ≈ 父节点 rank3 59.64，无损害；贡献是排除坐标侧三个方向。

**下一步最值得试**：表达侧流形内位移（同型 OT 重采样代替线性平移，只对高 r 同名类型、小 γ）；shape_scale 的主要失分是 scale_log_ratio 0.467（目标尺寸属禁窗信息，不可硬调），坐标微调空间已系统性排除。

调研员

```json
{
  "name": "加权Procrustes+PCA规范化改善坐标侧两组",
  "motivation": "父节点4的local_spatial 53.89比node2的54.03还低0.14，shape_scale 55.08虽已改善但仍是次弱组。ANALYSIS指出增益应来自坐标侧（scale_damp/RMS插值、z处理）而非混合比。k026指出形状评分的PCA对齐不固定行列式，手性翻转引入超噪声方差；当前Procrustes对所有匹配质心等权，低相关匹配（如Endo收4个亚型）引入对齐残差，扭曲局部邻域。",
  "approach": "三步改进，均只改坐标后处理，不动混合/表达逻辑：\n1. **PCA规范化**（k026）：生成最终坐标后，减质心→PCA旋转→强制det=+1→按第三矩符号定向每轴。对所有候选一致执行，仅去方差。实现约10行numpy。\n2. **相关加权Kabsch**：Procrustes对齐时，每对匹配质心权重 w=r²（r为匹配时的Pearson相关）。低相关匹配（r≈0.3→w=0.09）贡献大幅降低，高相关匹配（r≈0.85→w=0.72）主导。实现：Kabsch的SVD前对质心坐标乘sqrt(w)。\n3. **残差离群剔除**：第一轮等权Procrustes后计算每对匹配质心残差，剔除残差>2σ的对，用剩余对做第二轮加权Procrustes。预期剔除1-3对（多对一匹配的Endo类）。\n\n参数：无需搜索，全部由数据决定（r来自已有match_types，σ来自残差分布）。若加权后local_spatial仍无改善，尝试在最终坐标上做1轮同型Laplacian平滑（权重0.05-0.1，仅xy），作为备选。\n\n单输入退路：不变，仍走copy_last分支。\n\nvec-score筛选：先跑提交配置（加权+规范化）对比父节点；再单独跑无规范化（只加权）和无加权（只规范化）确认各自贡献；最后跑无加权无规范化（=父节点）作对照。总查分≤8次。",
  "expected_groups": ["local_spatial", "shape_scale"],
  "risks": "1) PCA规范化若评分器内部已做类似对齐则无额外收益（但不会变差，因为只去手性方差）——Engineer对比有/无规范化的两次查分即可确认。2) 加权后有效质心对减少（若多数r<0.5），对齐自由度下降可能使shape反降——监控：若加权后匹配对<8，退回等权。3) 残差剔除过激（σ估计偏小）导致对齐对过少——设最少保留5对的下限。4) 改善幅度可能<1分噪声——用3次查分（不同seed）确认方向。",
  "family_id": "T2HI-02",
  "mechanism": "用匹配相关系数加权Procrustes对齐（减少低质量匹配的扭曲）+残差离群剔除+PCA手性规范化，改善全局对齐质量的同时保护局部邻域结构。",
  "vs_constant_shift": "不移动任何细胞的表达值，不做类型级平移；只改变坐标对齐的权重和后处理规范化。每型常数位移是对表达矩阵加向量，本方案完全不碰表达矩阵。",
  "mechanism_evidence": "1) 对比等权vs加权Procrustes后的Procrustes残差均值（预期加权后降低）；2) 对比有/无PCA规范化的shape_score方差（多次seed）；3) 四组分分别对比：预期shape_scale和local_spatial各+0.5-1.5，cell_state和expression_change不变（因为没动表达和混合）；4) 输出被剔除的匹配对名称和残差值，确认是低质量匹配。",
  "mechanism_off_control": "设环境变量T2_WEIGHT=0（等权，即父节点行为）且T2_CANON=0（跳过PCA规范化），程序退化为父节点4的提交配置。预期差别：shape_scale和local_spatial回到55.08/53.89附近，总分差≈0。",
  "sources": []
}
```