总览 · ← 返回运行 20261003-094241-search-t2-heart-interp-g24-D-s2

节点 n13

在节点 10（logit 组成插值 mix）之上加"同型 kNN 收缩"坐标后处理：每个抽样细胞向同类型 k=10 近邻质心移动 α=1.25 倍位移，表达不动，抬升 neighborhood_mmd 与 local_spatial。

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 5c59611483: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 fe3e47beae。改动的文件：solution/METHOD.md +19 −22、solution/run.py +117 −15

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 2911dcc..b6726c2 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,32 +1,29 @@-T2HI-01：logit 空间插值括号两侧细胞类型组成定配额，按配额抽真实细胞（表达/坐标原样），不做伪批量平均。+在节点 10（logit 组成插值 mix）之上加"同型 kNN 收缩"坐标后处理：每个抽样细胞向同类型 k=10 近邻质心移动 α=1.25 倍位移，表达不动，抬升 neighborhood_mmd 与 local_spatial。 -## 方法（family T2HI-01，draft 最小实现）+## 实现（family T2HI-05 计划 → 实际机制替换，见下） -1. mix 基座：`view_io.interp_bracket` 取目标两侧输入 (a, b, t)；`align_pair(procrustes)`（xy 用共有类型质心 Kabsch，z 只定符号，共有类型 <3 自动退化 PCA）；两侧坐标缩放到 log 线性 RMS（scale_damp=1）；总细胞数 `interp_count` 夹到 manifest [min_cells, max_cells]。-2. 组成机制（默认开）：两侧类型比例 p_a、p_b（未见类型加岭 eps），f ∝ exp((1−t)·logit(p_a) + t·logit(p_b))，归一化后乘 n 得逐型配额；配额受两侧可用细胞数上限约束、余量按 f 比例重分。共有类型按 (1−t, t) 拆到两侧池，单侧类型只从该侧抽；`rng.choice` 无放回，表达与坐标原样携带（无任何平均/插值）。默认 eps=0.0005（env `T2HI_EPS`）。-3. 对照（机制关）：`T2HI_COMPOSITION=linear`，同一分配代码，f = (1−t)p_a + t·p_b；两模式 f 相等时输出逐位相同。提交时保持 logit 开。-4. 单输入 / 目标不被括号：copy_last 退路（≤max_cells 原样输出，否则分层 take），组成模块不启用。-5. 视图无关：只用时间差 (t)、manifest 细胞上下限与数据本身；不读 board/mode/阶段名，无硬编码类型名单或比例。已在伪装视图（时间 +1 天、manifest 键序打乱、换路径）验证输出逐位相同。+基座 = 父节点 10 原样：procrustes 对齐、log 线性 RMS 目标、logit 组成插值（eps=5e-4）按配额抽真实细胞。在此之上新增： -## 机制生效证据（proxy：E8.25+E9.5→E8.75，t=0.4，n=17616）+1. **T2HI_SCALE_DAMP（PLAN 机制，默认 1.0 = 不生效，代码保留）**：target_rms = exp(ln rms_a + DAMP·t·(ln rms_b − ln rms_a))。**实测证明在本榜是死路**：proxy 括号 rms_a=354.1、rms_b=335.0，几何插值可达范围被夹在 [335, 354]，而真值 RMS ≈ 346.3·e^(−0.4688) ≈ 217——任何 DAMP 都无法达到；最大可能改动（DAMP→∞ 等价 t'=1）只把 scale_log_ratio raw 从 0.4688 移到 log(335/217)=0.437（skill +0.01，<0.1 分）。PLAN 风险条款 2 的"放弃此方向"分支成立（不是过冲，是可达域不含目标）。PLAN 字面公式 geo^DAMP 依赖坐标单位（346^0.92≈217 纯属单位巧合），换视图即失效，未采用。故未消耗查分额度扫描 DAMP。+2. **T2HI_COLOC（试验后放弃，默认 0）**：共有类型两侧抽取子云平移到其 (1−t,t) 质心插值点。实测有害：γ=1.0 → 64.0、γ=0.35 → 64.8（父 65.25），neighborhood_mmd raw 0.0510→0.0574/0.0530，occupancy 0.819→0.795/0.818。类型质心平移抹掉类型内部结构、把两侧细胞硬拼在一起反而破坏表达-位置配对。+3. **T2HI_CONTRACT=type（生效机制，α=1.25，k=10）**：对拼接后的抽取坐标，每个细胞在其**同类型**细胞内找 k=10 近邻（不含自身），位移 x += α·(centroid−x)；之后照常 jitter、scale_to_rms(target)。α=0 或 none 时输出与父节点逐位相同（已验证）。 -- 日志：L1(linear, logit) = 0.272（eps=0.0005），逐型配额与两侧实际抽样数均打印；a 侧抽样 12055 vs linear 11421，b 侧 5561 vs 6195，约 634 个细胞换了来源侧，另有多个单侧类型配额改变（如 EXE-Endoderm 928→按 f_log 缩减、NCC 1333→增大）。-- 四组分变化（A 半，linear 对照 → logit 机制，同程序同 RNG 流程）：-  - expression_change 65.19 → 72.08（de_score raw 0.370→0.505，de_direction 0.543→0.619）-  - cell_state 65.95 → 71.56（mmd_u raw 0.0324→0.0288，variogram 0.0281→0.0251）-  - local_spatial 54.99 → 65.26（neighborhood_mmd raw 0.0785→0.0663）-  - shape_scale 52.83 → 51.03（略降，d2_shape/occupancy 变化在噪声内；scale_log_ratio 不变）-- 对照结果：linear 59.75 ≈ 种子 mix 水平（59.50），确认基座复现；机制版总分 64.98，差 +5.2，远超 ~1 的噪声。+## 机制生效证据（proxy：E8.25+E9.5→E8.75，t=0.4，n=17616，seed 0）++- 实际改变的细胞：全部 17616 个抽取细胞的**坐标**（表达矩阵逐位不动）；收缩后 RMS 331.6→325.1，再缩放回 346.3。共有类型（V-CM、Peri、NCC、aPHM、pPHM）的 a/b 两个重复子簇从内部合并（比 coloc 的整簇平移温和，保留簇内梯度），单侧类型区域被致密化。+- 四组分变化（A 半，同程序对照 none → type/α=1.25）：expression_change 72.08 → 72.08（不变，表达未动）；cell_state 71.56 → 71.56（不变）；local_spatial 65.80 → 69.80（neighborhood_mmd raw 0.0510→0.0418，skill 0.658→0.697，+1.0 分）；shape_scale 51.08 → 50.75（d2 0.0452→0.0453、occupancy 0.819→0.816、scale 不变，−0.3 在噪声内）。+- 对照：`T2HI_CONTRACT=none` 输出与父节点文件 X、坐标逐位相同（anndata 比对通过）；父节点分 65.25。  ## 验证过的 -- proxy 视图（本榜替代评测）：eps 网格 {0（61.57）、2e-5（64.90）、2e-4（65.35）、5e-4（64.98）、1e-3（65.15）、2e-3（59.85）、5e-3（62.38）、2e-2（59.85）}，2e-4…1e-3 为平台，取中值 5e-4。linear 对照 1 次。共 11 次查分。-- `vec-check` 通过；伪装视图输出逐位相同（view-independent）；seed 0 确定性（同参数重跑输出相同）。-- 纯 CPU，运行 <2 分钟，内存远低于 28 GB。+- α 扫描（seed 0，type，k=10）：0.3→65.47、0.6→65.60、1.0→65.91、**1.25→66.05**、1.5→65.96、2.0→66.13；global 模式 0.3→65.02（差于 type）。neighborhood_mmd raw 随 α 单调降到 ~0.041 后平台；α=2.0 分数最高但 d2_shape raw 恶化（0.0452→0.0472），取平台中部 α=1.25。+- 最终默认配置：seed 0 → **66.05**（local_spatial 69.8），seed 1 → **66.55**；父 65.25 / rank3 65.16。评分器本身有 ±0.3 左右的漂移（同一文件两次查询 de_score raw 0.5213→0.5435 量级的差异来自评分抽样，非程序）。+- `vec-check` 通过；默认输出与查分文件逐位一致；重跑确定（无全局随机态，sklearn kNN 确定）；纯 CPU，运行 ~4 s，内存 <1 GB。+- 视图无关：只用时间差 t、标签、坐标与 manifest 上下限；不读 board/mode/阶段名，无硬编码细胞数、类型名或统计量。单输入/不被括号：copy_last 分支在机制之前返回，机制自动不生效。  ## 没验证的 / 风险 -- final 视图（E8.25+E8.75，31 个共有类型）未跑（无该视图）；预期单侧类型更少、eps 影响更小，同段代码作用更大（PLAN 预期）。-- eps 平台在 proxy 上宽（2e-4…1e-3 都在 65±0.4），正式分用 B 半，小幅差异不保证重现。-- 知识来源：仅通用做法——发育过程中细胞类型比例随时间连续变化、logit/对数比空间插值保证组成在单侧类型上平滑过渡而非线性截断；未使用任何保留阶段/基因型的测量信息。-- 若某视图共有类型 <3，procrustes 自动退化 PCA（frame.py 内建），组成机制不受影响。+- final 视图（E8.25+E8.75，31 个共有类型）未跑；同型收缩不依赖共有类型数（单侧类型同样被致密化），预期方向一致，但幅度未验证。+- scale_log_ratio raw≈0.47 仍贴地板：真值 RMS(217) 低于括号两端 [335,354]，任何由输入现场计算的插值都无法达到，形状组的这一项在本 proxy 上不可合法修复（见上）；shape_scale 组三项全部在地板附近。+- α=1.25 在 1.0–2.0 平台内，B 半上最优 α 可能略移，但平台宽（±0.5 分内），风险小。+- 知识来源：仅通用做法——单一真实阶段的同类细胞占据连续区域，跨阶段混抽会产生重复子簇；向同型局部质心收缩恢复"一型一区"的局部组织。未使用任何保留阶段/保留基因型的测量信息。diff --git a/solution/run.py b/solution/run.pyindex e804c95..531873d 100644--- a/solution/run.py+++ b/solution/run.py@@ -1,13 +1,35 @@-"""T2HI-01: logit-space composition interpolation + real-cell mixing (no pseudobulk).+"""T2HI-01 base + T2HI-05-family scale damping + shared-type centroid colocalisation. -Reads the interpolation bracket from the manifest, aligns the two stage clouds-with z-held procrustes on shared cell-type centroids, rescales both to the-log-linear RMS target, then draws real cells (expression and coordinates-carried unchanged) according to per-type quotas. Quotas come from a logit-space-interpolation of the two sides' type proportions (mechanism on) or a linear-interpolation (control, env T2HI_COMPOSITION=linear). Shared types split their-quota between the sides as (1-t, t); single-side types draw from that side-only, capped by availability with proportional redistribution.+Base (parent, T2HI-01): reads the interpolation bracket from the manifest,+aligns the two stage clouds with z-held procrustes on shared cell-type+centroids, rescales both to the log-linear RMS target, then draws real cells+(expression and coordinates carried unchanged) according to per-type quotas.+Quotas come from a logit-space interpolation of the two sides' type+proportions (mechanism on) or a linear interpolation (control, env+T2HI_COMPOSITION=linear). Shared types split their quota between the sides as+(1-t, t); single-side types draw from that side only, capped by availability+with proportional redistribution.++Additions in this node:+- env T2HI_SCALE_DAMP (default 1.0): damping of the log-linear RMS target,+  target_rms = exp(ln(rms_a) + DAMP*t*(ln(rms_b)-ln(rms_a))). Documented as a+  dead end on brackets whose two sides have nearly equal RMS (see METHOD.md).+- env T2HI_CONTRACT (default "type", alpha T2HI_CONTRACT_A=1.25, k=10): the+  active mechanism. Each drawn cell is moved alpha-fraction toward the centroid+  of its k nearest SAME-TYPE neighbours in the drawn cloud ("global" searches+  the whole cloud; "none" = parent behaviour bit-for-bit). This densifies each+  type's region and merges the duplicate side-a/side-b sub-clusters of shared+  types from the inside, improving expression-location pairing+  (neighborhood_mmd). Coordinates only; expression is never touched; the cloud+  is rescaled to target_rms afterwards as in the parent.+- env T2HI_COLOC (default 0.0, measured harmful on proxy): shared-type centroid+  colocalisation. For every+  cell type drawn from BOTH sides with >= T2HI_COLOC_MIN cells on each side,+  both sub-clouds are translated so their drawn centroids coincide at the+  (1-t, t) interpolation of the two centroids (gamma = env value, 0 disables =+  parent behaviour bit-for-bit). Expression is never touched; this merges the+  duplicate per-type clusters created by mixing two stages into one cluster per+  type, as expected in a single real intermediate stage.  Single input / unbracketed target: copy_last fallback (stratified take to max_cells, everything unchanged). No view names, stage names, absolute times or@@ -42,6 +64,66 @@ def _jitter(coords: np.ndarray, rng: np.random.Generator) -> np.ndarray:     return out  +def colocalize(ca, la_sel, cb, lb_sel, t: float, gamma: float, min_count: int):+    """Translate each shared type's two drawn sub-clouds onto their interpolated centroid.++    ca/cb: drawn coordinates from side a/b (already aligned+scaled); la_sel/lb_sel:+    their type labels. Returns (ca, cb, report). gamma=0 leaves coords unchanged.+    """+    if gamma == 0.0 or ca.shape[0] == 0 or cb.shape[0] == 0:+        return ca, cb, []+    idx_by_type_a: dict[str, np.ndarray] = {}+    idx_by_type_b: dict[str, np.ndarray] = {}+    for ty in np.unique(la_sel):+        idx_by_type_a[ty] = np.flatnonzero(la_sel == ty)+    for ty in np.unique(lb_sel):+        idx_by_type_b[ty] = np.flatnonzero(lb_sel == ty)+    report = []+    for ty in sorted(set(idx_by_type_a) & set(idx_by_type_b)):+        ia = idx_by_type_a[ty]+        ib = idx_by_type_b[ty]+        if ia.size < min_count or ib.size < min_count:+            continue+        c_a = ca[ia].mean(axis=0)+        c_b = cb[ib].mean(axis=0)+        c_t = (1.0 - t) * c_a + t * c_b+        ca[ia] += gamma * (c_t - c_a)+        cb[ib] += gamma * (c_t - c_b)+        report.append((ty, ia.size, ib.size, float(np.linalg.norm(c_a - c_b))))+    return ca, cb, report+++def contract(coords: np.ndarray, labels_sel: np.ndarray, mode: str, alpha: float, k: int) -> np.ndarray:+    """Move each cell alpha-fraction toward the centroid of its k nearest neighbours.++    mode "global": neighbours searched in the whole drawn cloud.+    mode "type": neighbours searched within the same cell type only.+    mode "none" or alpha==0: identity (parent behaviour).+    """+    if mode == "none" or alpha == 0.0 or coords.shape[0] < k + 2:+        return coords+    from sklearn.neighbors import NearestNeighbors++    out = coords.copy()+    if mode == "type":+        for ty in np.unique(labels_sel):+            idx = np.flatnonzero(labels_sel == ty)+            if idx.size < 3:+                continue+            kk = int(min(k, idx.size - 1))+            sub = coords[idx]+            nn = NearestNeighbors(n_neighbors=kk + 1).fit(sub)+            _, ind = nn.kneighbors(sub)+            cent = sub[ind[:, 1:]].mean(axis=1)+            out[idx] = sub + alpha * (cent - sub)+        return out+    kk = int(min(k, coords.shape[0] - 1))+    nn = NearestNeighbors(n_neighbors=kk + 1).fit(coords)+    _, ind = nn.kneighbors(coords)+    cent = coords[ind[:, 1:]].mean(axis=1)+    return coords + alpha * (cent - coords)++ def composition(labels_a, labels_b, t: float, mode: str, eps: float):     """Per-type target fractions at time t over the union of both sides' types."""     la = np.asarray(labels_a).astype(str)@@ -150,7 +232,10 @@ def run(view: str, out: str, seed: int) -> None:     )     rms_a = rms_radius(stage_a.coords)     rms_b = rms_radius(stage_b.coords)-    target_rms = log_interp(rms_a, rms_b, float(t), 1.0)+    damp = float(os.environ.get("T2HI_SCALE_DAMP", "1.0"))+    coloc_gamma = float(os.environ.get("T2HI_COLOC", "0.0"))+    coloc_min = int(os.environ.get("T2HI_COLOC_MIN", "10"))+    target_rms = log_interp(rms_a, rms_b, float(t), damp)     ca = scale_to_rms(aligned_a, target_rms)     cb = scale_to_rms(aligned_b, target_rms)     n = interp_count(stage_a.n, stage_b.n, float(t), lo, hi, 1.0)@@ -180,12 +265,29 @@ def run(view: str, out: str, seed: int) -> None:     if ib.size:         parts.append(as_dense(stage_b.X, ib))     expr = np.clip(np.vstack(parts), 0.0, None).astype(np.float32)+    la_sel = np.asarray(stage_a.labels).astype(str)[ia] if ia.size else np.array([], dtype=str)+    lb_sel = np.asarray(stage_b.labels).astype(str)[ib] if ib.size else np.array([], dtype=str)+    ca_sel = ca[ia].copy() if ia.size else np.zeros((0, 3))+    cb_sel = cb[ib].copy() if ib.size else np.zeros((0, 3))+    ca_sel, cb_sel, coloc_rep = colocalize(ca_sel, la_sel, cb_sel, lb_sel, float(t), coloc_gamma, coloc_min)+    print(f"[coloc] gamma={coloc_gamma} min={coloc_min} types_moved={len(coloc_rep)}", flush=True)+    for ty, na_, nb_, off in coloc_rep:+        print(f"  {ty}: a={na_} b={nb_} offset={off:.1f}", flush=True)     coord_parts = []-    if ia.size:-        coord_parts.append(ca[ia])-    if ib.size:-        coord_parts.append(cb[ib])-    coords = _jitter(np.vstack(coord_parts), rng)+    if ca_sel.shape[0]:+        coord_parts.append(ca_sel)+    if cb_sel.shape[0]:+        coord_parts.append(cb_sel)+    coords = np.vstack(coord_parts)+    lab_sel = np.concatenate([la_sel, lb_sel]) if (la_sel.size or lb_sel.size) else la_sel+    cmode = os.environ.get("T2HI_CONTRACT", "type").strip().lower()+    calpha = float(os.environ.get("T2HI_CONTRACT_A", "1.25"))+    ck = int(os.environ.get("T2HI_CONTRACT_K", "10"))+    if cmode != "none":+        before = rms_radius(coords)+        coords = contract(coords, lab_sel, cmode, calpha, ck)+        print(f"[contract] mode={cmode} alpha={calpha} k={ck} rms {before:.1f}->{rms_radius(coords):.1f}", flush=True)+    coords = _jitter(coords, rng)     coords = scale_to_rms(coords, target_rms)     print(f"[out] n={expr.shape[0]} out_rms={rms_radius(coords):.1f}", flush=True)     view_io.write_t2(out, expr, coords, genes, seed=int(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**：在节点 10（logit 组成 mix，65.25）上验证了 PLAN 的尺度阻尼（T2HI-05）——数学上证明是死路（括号 RMS [335,354] 夹不到真值 ≈217，scale_log_ratio 无法合法修复），转而实现新机制：**同型 kNN 收缩**（每细胞向同类型 k=10 近邻质心移 α=1.25，只动坐标，表达逐位不动；`T2HI_CONTRACT=none` 对照与父节点逐位相同）。类型质心平移（coloc）实测有害已弃用（64.0/64.8）。

**查分**（11/20 次）：α 扫描 0.3→65.47、1.0→65.91、1.25→66.05、2.0→66.13（d2 恶化）；提交配置 seed 0 = **66.05**、seed 1 = **66.55**，收益全部来自 neighborhood_mmd（raw 0.0510→0.0418，local_spatial 65.8→69.8），其余三组不变。vec-check 通过，运行 ~4s 纯 CPU。

**下一步最值得试**：① 在收缩后的坐标上微调 k（5/20）与"收缩-缩放"顺序，或叠加轻微全局收缩；② cell_state/expression 组仍靠整细胞混抽，可试类型特异加性表达位移的小步长版（节点 4 显示 DE↑但 mmd_u↓，需折中）；③ shape_scale 三项全部贴地板且 scale 项在 proxy 上不可修复，d2_shape/occupancy 是仅剩的形状抓手。

调研员

7/满分 8.33）。其中 scale_log_ratio raw=0.4688（预测 RMS ≈ 真值×e^0.47≈1.6 倍）在节点 2、10 中完全相同，证明偏差完全来自 log 线性 RMS 目标（scale_damp=1.0），与组成机制无关。若能将 raw 压至 0，该项 skill 从 0.512→1.0，得分 +4.07，形状组从 51.08→~55.1，总分预期 +4。方向库 T2HI-05 亦指出'心脏尺度非单调'，几何插值在凹趋势下系统性高估中间值。",
  "approach": "步骤：1) 在 run.py 中将 target_rms 计算从 log_interp(rms_a, rms_b, t, damp=1.0) 改为 log_interp(rms_a, rms_b, t, damp=DAMP)，DAMP 由 env T2HI_SCALE_DAMP 控制（默认 1.0 保持向后兼容）；2) 用 vec-score 在 proxy 上扫描 DAMP ∈ {0.55, 0.60, 0.65, 0.70, 0.75, 0.80, 0.85, 0.90}，每次运行 <3 s，8 次查分在 20 次限额内；3) 选取使 scale_log_ratio raw 最接近 0 的 DAMP（预期 ~0.65–0.75，因需压缩 47% 的 log 偏差）；4) 确认 d2_shape、occupancy_dice、neighborhood_mmd 不因等比缩放而变（它们对尺度不变，应逐位相同）；5) 确认 cell_state、expression_change 两组不变（表达未动）。单输入阶段退路：copy_last 分支不涉及 RMS 目标，无需修改；若只有单侧输入则不触发 scale_to_rms，机制自动不生效。若 proxy 最优 DAMP 在边界（0.55 或 0.90），向外扩展 2 个点再扫。",
  "expected_groups": ["shape_scale"],
  "risks": "1) 真值 RMS 与两侧几何插值的关系在不同 seed/视图上不一致，proxy 最优 DAMP 在 B 半或 final 上偏移——Engineer 应检查 3 个 seed 的 scale_log_ratio raw 方差，若 >0.1 则取使 3 seed 均值最接近 0 的值而非单次最优。2) 若心脏尺度变化确实是单调的（几何插值正确），则偏差来源是坐标对齐或细胞抽样而非目标设定——此时应观察降低 DAMP 是否使 scale_log_ratio 过冲为负；若 0.55 仍过正则放弃此方向。3) 等比缩放后若触发 _jitter 或 occupancy_dice 的体素边界效应导致微小波动——预期在噪声内，若形状另两项变化 >0.5 分则需排查。",
  "family_id": "T2HI-05",
  "mechanism": "将目标阶段的 RMS 半径从几何（log 线性）插值改为幂律阻尼插值：target_rms = exp((1-t)·ln(rms_a) + t·ln(rms_b))^DAMP，DAMP<1 压缩尺度，修正心脏形态发生中非单调尺度变化导致的系统性高估。",
  "vs_constant_shift": "这不是对每型加常数位移或全局组成重加权：它不改变任何细胞的表达值，不改变类型配额，只对所有坐标做等比缩放（同一乘数作用于 x/y/z），目的是校正整体点云的绝对尺寸使之匹配真值尺度。机制只影响尺度自由度，不影响形状或组成。",
  "mechanism_evidence": "Engineer 应报告：1) scale_log_ratio raw 从 0.4688 变为多少（目标 |raw|<0.1）；2) d2_shape raw、occupancy_dice raw、neighborhood_mmd raw 应逐位不变（等比缩放不改变归一化距离和邻域结构）；3) 若 d2_shape 或 occupancy_dice 意外变化 >1%，说明代码中有非等比路径需排查。四组分中只有 shape_scale 应变，其余三组应逐位不变。",
  "mechanism_off_control": "设 env T2HI_SCALE_DAMP=1.0（默认值），程序输出应与父节点 10 逐位相同（同 seed 下坐标、表达完全一致）。预期差别：开启机制（DAMP<1）后 scale_log_ratio raw 从 +0.47 向 0 移动，总分提升 ~4；关闭后回到 65.25。若关闭后输出有任何逐位差异，说明代码改动引入了副作用。",
  "sources": []
}

审查员

REVIEW.json written