总览 · ← 返回运行 20261003-070222-search-t2-heart-extrap-g24-D

节点 n2 在终选来历上

seed damped_shift

方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。

没有 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：这个提交的上一版（种子程序：相对空仓库）。改动的文件：solution/README.md +6 −0、solution/run.py +55 −0

diff --git a/solution/README.md b/solution/README.mdnew file mode 100644index 0000000..3da8235--- /dev/null+++ b/solution/README.md@@ -0,0 +1,6 @@+# damped_shift（T2:heart:val_extrap）++最新两个输入 (prev, last)；last 的每个细胞加 α·(mean(last|类型) − mean(prev|类型))，只对两阶段同名的类型，夹到 ≥0。α=0.1，β=0（坐标就是 last 自己的，不缩放），α_comp=0（组成不动），time_scale 关（不乘步长比）。这是方法卡网格里最好的非平凡点；方法卡最终提交的 α=0 等于 `copy_last`。+proxy（E8.25_late + E8.75 → E9.5，步长比 1.5）预期 49.47（seed 0 实测 49.475，与网格 `damp_a010_c0` 一致；表达 49.2 / 状态 48.5 / 形状 50.0 / 邻域 50.3）。+final（E8.75 + E9.5 → E10.5，步长比 4/3）：n=25179，RMS 335.0，但只有 5 个同名类型，分型位移在 final 上基本空转。+已知弱点：代理的上一步是缩小（354→217），真实的上一步是长大（217→335），α、β 的方向在代理上验证不了。这是起点，不是方案。diff --git a/solution/run.py b/solution/run.pynew file mode 100644index 0000000..d62b7bc--- /dev/null+++ b/solution/run.py@@ -0,0 +1,55 @@+#!/usr/bin/env python3+"""damped_shift (T2 extrapolation): last input + α·per-type pseudobulk delta of the last step.++Takes the two latest inputs (prev, last). Each last-stage cell of a type that+also exists in prev gets α·(mean(last|type) − mean(prev|type)), clipped at 0.+Coordinates are the last stage's own, rescaled by exp(β·Δlog RMS) (β=0 keeps+the scale); composition moves by α_comp·Δfraction (0 keeps it). Cell count is+the last stage's, clipped to the board range. ``time_scale`` is off, so the+step ratio (target − last)/(last − prev) is not applied.++ALPHA=0.1 is the best non-trivial point of the T2 card's grid (proxy 49.47);+α=0 is copy_last, the card's submitted choice. With one input, copy the last.+"""++from __future__ import annotations++import argparse+import json+import sys++import numpy as np++from src.task2_spatial.methods import damped_shift+from src.task2_spatial.sample import take+from src.task2_spatial.view_io import board_params, extrap_step, load_manifest, panel_genes, read_stage, write_t2++PARAMS = {"alpha": 0.1, "beta": 0.0, "alpha_comp": 0.0, "n_damp": 0.0, "time_scale": False}+++def main() -> None:+    parser = argparse.ArgumentParser()+    parser.add_argument("--data", required=True)+    parser.add_argument("--out", required=True)+    parser.add_argument("--seed", type=int, default=0)+    args = parser.parse_args()++    manifest = load_manifest(args.data)+    genes = panel_genes(args.data, manifest)+    prev, last, ratio = extrap_step(manifest)+    stage_last = read_stage(args.data, last, genes)+    if prev is None:+        n = int(np.clip(stage_last.n, manifest["min_cells"], manifest["max_cells"]))+        rows = np.sort(take(stage_last.labels, min(n, stage_last.n), np.random.default_rng(args.seed)))+        write_t2(args.out, stage_last.X[rows].toarray(), stage_last.coords[rows], genes, seed=args.seed)+        return+    stage_prev = read_stage(args.data, prev, genes)+    params = board_params(manifest, "damped_shift", PARAMS, args.seed)+    expr, coords, info = damped_shift(stage_prev, stage_last, ratio, params)+    keep = {k: info.get(k) for k in ("alpha", "beta", "dt_ratio", "n", "rms_prev", "rms_last", "out_rms", "n_shared_types")}+    print(json.dumps({"step": [prev["stage"], last["stage"]], **keep}, default=float), file=sys.stderr)+    write_t2(args.out, expr, coords, genes, seed=args.seed)+++if __name__ == "__main__":+    main()

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）。

没有记录调研来源。

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。

没有分析结果（ANALYSIS.json）。

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?完整对话记录在 Spark 上的文件路径；看板不复制原始内容。里列出的文件看。

这个节点没有大模型对话记录。