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

节点 n28

T2HI-05 自适应β：逐类型 β_eff=β·w(n)（w 为细胞数对数斜坡）实现并网格验证；proxy 上 PLAN 方向（小类型减恢复）一致更差，反向（小类型加恢复）在噪声内持平，按预注册回退提交默认=父17逐位（ADAPTIVE=0，均匀β=1.3）。

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 e926ee1537: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 d82734b615。改动的文件：solution/METHOD.md +37 −33、solution/run.py +64 −12

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 24b1ee6..bd80edb 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,48 +1,52 @@-T2HI-05：同型 kNN 收缩（k=20, α=1.25）后，按类型沿收缩后 PCA 主轴以 (λ_pre/λ_post)^(β/2)（β=1.3, clip[0.5,2]）逐轴恢复方差比，只动坐标，解耦 neighborhood↔shape 折中；β=0 对照逐位等于父管线。+T2HI-05 自适应β：逐类型 β_eff=β·w(n)（w 为细胞数对数斜坡）实现并网格验证；proxy 上 PLAN 方向（小类型减恢复）一致更差，反向（小类型加恢复）在噪声内持平，按预注册回退提交默认=父17逐位（ADAPTIVE=0，均匀β=1.3）。 -## 方法族与机制+## 方法族与机制（family_id T2HI-05） -PLAN 指定 family_id T2HI-05「收缩后逐类型各向异性形状恢复」，按 PLAN 原文实现：+在父 17 管线（logit 组成配额混抽 + 同型 kNN 收缩 k=20, α=1.25 + 逐类型各向异性方差恢复 β=1.3）的 `anisotropic_restore` 步骤中，把全局 β 替换为逐类型有效值： -1. 收缩前记录每个类型（≥ T2HI_ANISO_MIN=5 个细胞）的坐标协方差特征值 λ_pre（降序）；-2. 执行现有同型 kNN 收缩 contract(mode=type, α=1.25)，本节点默认 k 从 10 改为 **20**（父节点网格已测 k=20 单独用 nbd 更好但 shape 更差；与恢复机制组合后两者同时占优，见下表）；-3. 对每个类型：以**收缩后**的质心和 PCA 主轴为准（PLAN 风险 4：只恢复特征值比例、不旋转），把偏差投影到主轴、逐轴乘 clip((λ_pre_j/λ_post_j)^(β/2), 0.5, 2.0)，重建坐标；-4. 全云 _jitter + scale_to_rms(target_rms) 不变。+- **PLAN 方向（up）**：β_eff = β_global · w(n)，w(n) = clip((log2 n − log2 n_floor)/(log2 n_ceil − log2 n_floor), 0, 1)。n < n_floor 的类型跳过恢复，n ≥ n_ceil 用满 β_global。env：`T2HI_ANISO_ADAPTIVE`（**提交默认 0**）、`T2HI_ANISO_NFLOOR`（10）、`T2HI_ANISO_NCEIL`（50）。+- **反向探索（down，数据提示后加测）**：β_eff = β_global · (1 + boost·(1 − w(n)))，小类型恢复更强、大类型保持 β_global。env：`T2HI_ANISO_WMODE=down`、`T2HI_ANISO_BOOST`。 -环境变量：`T2HI_ANISO_BETA`（默认 1.3；=0 时提前返回，逐位无操作）、`T2HI_ANISO_MIN`（默认 5）。只动坐标，表达从不触碰；每型、每轴缩放因子不同，依赖该型收缩前后方差比，不是常数位移或统一缩放。+每型日志打印 `(n, beta_eff, per-axis ratios)`（`[aniso]` 段）。只动坐标，表达从不触碰；每型 β_eff 不同、每轴缩放因子不同、方向沿该型自身 PCA 主轴——不是常数位移或统一缩放（vs_constant_shift 成立）。 -## 机制生效证据（proxy，E8.25+E9.5→E8.75，seed 0）+## 关键事实：PLAN 网格在 proxy 上近乎空转 -- 收缩确实压缩方差：λ_post/λ_pre<1，β=0.5 时 50 个类型被恢复，逐轴实测缩放比 1.00–1.80（日志 `[aniso] types=50`，每型 ratios 打印）；-- 四组分变化（同一会话内查询，表达四指标 raw 在所有配置间逐位相同、points 恒 35.91，故差异全部来自坐标）：-  - shape_scale：d2_shape raw 0.04529→0.03915、skill 0.499→0.517；occupancy_dice 0.8163→0.8246；scale_log_ratio 不变（全云 RMS 被 scale_to_rms 钉住）；组分 points 12.69→12.96（+0.27，其中 d2 单项 +0.32）；-  - local_spatial：nbd raw 0.04176→0.04145（持平略好，k=20 的致密化收益被 β=1.3 的再展开抵消后仍不低于父）；-  - cell_state / expression_change：不变（机制只动坐标）。+proxy 抽到的 50 个类型细胞数为 **60–2698**，全部 ≥ n_ceil∈{30,50,80}（n_floor=8/10/15 时 w≡1，已验证 ADAPTIVE=1+10/50 输出与父 17 逐位相同）。要让机制在 proxy 上真正生效，n_floor/n_ceil 必须落在观测到的类型尺寸范围内（60–500 等），网格据此扩展。 -## 关闭机制对照与网格（全部 vec-score A 半，同会话）+## 机制生效证据与网格结果（proxy，E8.25+E9.5→E8.75，seed 0，同会话 vec-score A 半，共 15 次查询） -| 配置 | 总榜分 | shape+nbd points | d2 raw | occ raw | nbd raw |-|---|---:|---:|---:|---:|---:|-| k=10, β=0（=父 13/15 管线，对照） | 66.05 | 30.14 | 0.04529 | 0.8163 | 0.04176 |-| k=10, β=0.3 / 0.5 / 0.7 | 66.05 / 66.04 / 65.99 | 30.14 / 30.12 / 30.09 | 0.0442 / 0.0435 / 0.0428 | 0.818 / 0.816 / 0.814 | 0.0423 / 0.0425 / 0.0428 |-| k=20, β=0.5 / 0.7 / 1.0 | 66.27 / 66.33 / 66.45 | 30.37 / 30.42 / 30.54 | 0.0438 / 0.0426 / 0.0407 | 0.816 / 0.819 / 0.823 | 0.0405 / 0.0408 / 0.0411 |-| k=30, β=1.0 / 1.3 | 66.44 / 66.40 | 30.53 / 30.49 | 0.0404 / 0.0388 | 0.821 / 0.809 | 0.0412 / 0.0408 |-| **k=20, β=1.3（提交默认）** | **66.53** | **30.62** | **0.03915** | **0.8246** | **0.04145** |-| k=20, β=1.6 | 66.47 | 30.56 | 0.0380 | 0.820 | 0.04182 |+日志证据：up 模式 60/500 时 49 型恢复、1 型（n=60）跳过；小类型 β_eff 明显更低（n=73→0.12、n=91→0.26、n≥500→1.3），缩放因子更接近 1（形变更少）；down 模式小类型 β_eff 升至 ~1.7–2.3、多条轴触到 clip=2.0 上限。表达四指标 raw/skill/points 在所有配置间逐位相同（机制只动坐标），cell_state 与 expression_change 组严格不变——与 PLAN 预期一致。 -- β=0 对照与父管线输出**逐位相同**（anndata X 与 obsm array_equal 验证通过）；-- k=10 时恢复无净收益（nbd 损失≈shape 收益）；k=20 时组合净赚：更强的收缩提供 nbd 富余，恢复把被压掉的形状补回，验证了 PLAN 的解耦假设；-- β 曲线在 1.3 处见顶（1.6 时 nbd 回升到父水平、总分回落），非单点尖峰：β∈[1.0,1.6] 均 ≥66.44。+| 配置 | 总榜分 | shape组 | nbd组 | d2 raw | occ raw | nbd raw |+|---|---:|---:|---:|---:|---:|---:|+| 父17 = 均匀 β=1.3（基线，本会话） | **66.528** | 52.5* | 70.0* | 0.03915 | 0.8246 | 0.04145 |+| 均匀 β=1.5 / 1.8 | 66.502 / 66.427 | 52.5 / 52.3 | 69.9 / 69.7 | 0.03835 / 0.03743 | 0.821 / 0.815 | 0.04158 / 0.04191 |+| up 60/300 β=1.3 | 66.362 | 51.6 | 70.2 | 0.04140 | 0.818 | 0.04103 |+| up 60/500 β=1.3 / 1.5 / 1.8 | 66.280 / 66.197 / 66.173 | 51.1 / 51.0 / 51.0 | 70.3 / 70.2 / 70.0 | 0.04265 / 0.04210 / 0.04131 | 0.814 / 0.809 / 0.806 | 0.04068 / 0.04108 / 0.04127 |+| up 100/700 β=1.5；up 150/1000 β=1.8 | 66.194；66.125 | 50.6；50.3 | 70.5；70.6 | 0.04384；0.04478 | 0.809；0.806 | 0.04034；0.04021 |+| down 60/500 boost 0.4 / **0.8** / 1.2（β=1.3） | 66.527 / **66.567** / 66.534 | 52.5 / 52.9 / 52.8 | 69.9 / 69.8 / 69.7 | 0.03845 / 0.03799 / 0.03787 | 0.823 / 0.826 / 0.825 | 0.04152 / 0.04184 / 0.04197 |+| down 60/300 b0.8；down 60/500 b0.8 β=1.4 | 66.466；66.491 | 52.4；52.6 | 69.8；69.7 | 0.03864；0.03771 | 0.820；0.821 | 0.04165；0.04193 |++*基线行的组分为 final_default_s0 查询值（与父 17 逐位同一文件内容，总分/全部 raw 相同）。++**结论**：+1. PLAN 假设（小类型 PCA 噪声过恢复有害）**被否证**：所有 up 配置的 d2 raw 单调变差（0.0392→0.041–0.045）、occ 变差，nbd 只小幅改善，总分 −0.15 至 −0.40，且减恢复越多越差（对应 PLAN 风险 2 的判据：小类型恢复虽噪声大但平均方向正确）。+2. 反向（小类型**加**恢复）方向一致地抬 shape 组（52.5→52.9）、压 nbd 组（70.0→69.8），最佳点 down/boost=0.8 总分 66.567，仅 +0.04——远低于 T2 约 1 分的噪声线，且 boost 0.4/0.8/1.2 与 β=1.4 变体构成 66.47–66.57 的平坦带，无可信收益。+3. 均匀 β 已是平台顶点（1.3→1.5→1.8 单调降），坐标侧恢复强度维度在此管线上饱和。++## 关闭机制对照（mechanism_off_control）++`T2HI_ANISO_ADAPTIVE=0`（提交默认）时 β_eff≡β_global，输出与父 17 **逐位相同**（X 与 obsm array_equal 验证通过；本会话基线查询 66.528 与父 17 文件的查询完全一致）。开启 up 后小类型坐标变化量减小（日志 ratios→1）、大类型不变（w=1 时 ratios 与父逐位一致），符合 PLAN 的预期差别描述。  ## 验证过的 -- 默认配置 seed 0 两次运行逐位相同；seed 7 输出不同（无 seed 特判）；`vec-check` 通过；纯 CPU ~3 s、内存 <1 GB。-- 视图无关：只用时间差 t、标签、坐标、manifest 上下限；不读 board/mode/路径/阶段名/绝对时间；单输入或不构成括号走 copy_last 分支（在机制之前返回）。-- 查分共 13 次（额度 20）。+- 提交默认（无 env）seed 0 两次运行逐位相同；seed 7 输出不同（无 seed 特判）；`vec-check` 通过；n=17616 在 [min,max] 内；纯 CPU ~3 s、内存 <0.5 GB；`EXECUTION.json {"gpu": false}` 保留。+- 视图无关：只用时间差 t、标签、细胞数、坐标、manifest 上下限；n_floor/n_ceil/boost 是固定超参数（对所有视图同一常数），不读 board/mode/路径/阶段名/绝对时间；单输入或不构成括号走 copy_last 分支（在机制之前返回）。+- 查分 15 次（额度 20，剩 3 未用满；一次因文件名笔误被 refused 不计费）。  ## 没验证的 / 风险 -- 收益 +0.48（66.05→66.53，同会话）低于 T2 的 1 分噪声线，正式 B 半上可能与父不可区分；但方向由 8 个配置的一致趋势支撑（d2 raw 单调降、occ 升、nbd 不劣），不是单点尖峰。-- β=1.3 超出 PLAN 的 {0.3,0.5,0.7} 搜索范围（PLAN 范围在 k=10 下全部无收益，k=20 组合下曲线单调升至 1.3）；β>1 意味着过恢复到超过收缩前的轴长比，配合 scale_to_rms 的全局钉扎是"整体尺度不变、型内更细长"的形变。-- final 视图（E8.25+E8.75，31 个共有类型、细胞数不同）未测；小类型（5–20 细胞）的 PCA 特征值噪声大，靠 clip[0.5,2.0] 与 min=5 门槛兜底，未逐型核验其形变是否合理。-- 知识来源：仅通用统计/几何做法（PCA、协方差特征值、kNN 收缩），未使用任何保留阶段或保留基因型的测量信息。+- 提交默认逐位等于父 17，正式 B 半预期 ≈66.58（3 种子均值 66.60），本节点自身不产生榜分收益；价值在于否证了坐标侧「恢复强度按类型细胞数缩放」这一维度（up 有害、down 平坦），为后续节点排除一个搜索方向。+- down 方向最佳点（+0.04）在噪声内，未做 3 种子复核，不作为提交默认（避免把噪声当收益写进 B 半）。+- final 视图（E8.25+E8.75，31 共有类型、类型尺寸分布不同）未测；up 机制在 final 上若有 <60 细胞的类型才会与父不同，但 proxy 证据已显示该方向有害，故默认关闭。+- 知识来源：仅通用统计/几何（协方差特征值、PCA 主轴、对数斜坡加权），无任何保留阶段/保留基因型测量信息；未使用文献或数据库数值。diff --git a/solution/run.py b/solution/run.pyindex b249115..d77f236 100644--- a/solution/run.py+++ b/solution/run.py@@ -10,18 +10,29 @@ 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 (T2HI-05):+Additions in this node (T2HI-05, adaptive beta): - env T2HI_ANISO_BETA (default 1.3, control 0.0): per-type anisotropic shape   restore applied AFTER the same-type kNN contraction. For each type with >=   T2HI_ANISO_MIN (5) cells, the pre-contraction covariance eigenvalues lam_pre   are recorded; post-contraction the points are projected onto the POST   principal axes and each axis deviation is scaled by-  clip((lam_pre_j/lam_post_j)^(beta/2), 0.5, 2.0) (no rotation). This undoes-  the axis-ratio compression of the contraction, improving d2_shape and+  clip((lam_pre_j/lam_post_j)^(beta_eff/2), 0.5, 2.0) (no rotation). This+  undoes the axis-ratio compression of the contraction, improving d2_shape and   occupancy_dice while keeping the densification gain in neighborhood_mmd.   beta=0 is a bit-for-bit no-op (parent behaviour). Default contraction k is-  now 20 (was 10 in the parent); the off-control reproduces the parent with-  T2HI_CONTRACT_K=10 T2HI_ANISO_BETA=0.+  20; the off-control reproduces the grandparent with T2HI_CONTRACT_K=10+  T2HI_ANISO_BETA=0.+- env T2HI_ANISO_ADAPTIVE (default 0 = parent behaviour) + T2HI_ANISO_NFLOOR /+  T2HI_ANISO_NCEIL (defaults 10 / 50): beta_eff = beta * w(n_type), where+  w(n) = clip((log2 n - log2 n_floor)/(log2 n_ceil - log2 n_floor), 0, 1).+  Types below n_floor skip the restore; types at/above n_ceil get the full+  beta. Measured on the proxy: every up-ramp configuration is WORSE than+  uniform beta (small-type restore helps d2_shape), and the inverted ramp+  (T2HI_ANISO_WMODE=down + T2HI_ANISO_BOOST, beta_eff = beta*(1+boost*(1-w)),+  more restore for small types) is a wash within noise (+0.04 at boost=0.8).+  Submitted default is therefore ADAPTIVE=0: uniform beta=1.3, bit-for-bit+  identical to the parent (node 17) pipeline. ADAPTIVE=0 with any other+  setting also reproduces the parent exactly (beta_eff = beta).  Earlier additions (kept, inactive by default): - env T2HI_SCALE_DAMP (default 1.0): damping of the log-linear RMS target,@@ -159,6 +170,14 @@ def type_eigen(coords: np.ndarray, labels: np.ndarray, min_cells: int) -> dict:     return out  +def adaptive_weight(n: int, n_floor: float, n_ceil: float) -> float:+    """w(n) = clip((log2 n - log2 n_floor) / (log2 n_ceil - log2 n_floor), 0, 1)."""+    if n_ceil <= n_floor or n_floor <= 0:+        return 1.0+    w = (np.log2(max(n, 1)) - np.log2(n_floor)) / (np.log2(n_ceil) - np.log2(n_floor))+    return float(np.clip(w, 0.0, 1.0))++ def anisotropic_restore(     coords: np.ndarray,     labels: np.ndarray,@@ -167,12 +186,19 @@ def anisotropic_restore(     min_cells: int = 5,     clip_lo: float = 0.5,     clip_hi: float = 2.0,+    adaptive: bool = True,+    n_floor: float = 10.0,+    n_ceil: float = 50.0,+    wmode: str = "up",+    boost: float = 0.0, ):     """Per-type axis-wise variance restoration after isotropic-ish contraction.      For each type with >= min_cells cells, project the contracted points onto     the POST-contraction principal axes (centroid_post + axes), scale each axis-    deviation by clip((lam_pre_j / lam_post_j)^(beta/2), lo, hi), and rebuild.+    deviation by clip((lam_pre_j / lam_post_j)^(beta_eff/2), lo, hi), and rebuild.+    beta_eff = beta * w(n_type) when adaptive (w = log-linear ramp in cell count,+    0 below n_floor, 1 at/above n_ceil); beta_eff = beta when adaptive=False.     No rotation is applied; only the eigenvalue ratios are partially restored.     beta=0 returns coords unchanged (bit-for-bit).     """@@ -184,6 +210,17 @@ def anisotropic_restore(         idx = np.flatnonzero(labels == ty)         if idx.size < min_cells:             continue+        if adaptive:+            w = adaptive_weight(int(idx.size), n_floor, n_ceil)+            if wmode == "down":+                beta_eff = beta * (1.0 + boost * (1.0 - w))+            else:+                beta_eff = beta * w+        else:+            beta_eff = beta+        if beta_eff <= 0.0:+            report.append((ty, int(idx.size), 0.0, [1.0, 1.0, 1.0]))+            continue         sub = out[idx]         cent = sub.mean(axis=0)         dev = sub - cent@@ -197,11 +234,11 @@ def anisotropic_restore(         ratios = np.ones(3)         for j in range(m):             if w[j] > 1e-12 and lp[j] > 0:-                r = (lp[j] / w[j]) ** (beta / 2.0)+                r = (lp[j] / w[j]) ** (beta_eff / 2.0)                 ratios[j] = float(np.clip(r, clip_lo, clip_hi))         proj = dev @ V         out[idx] = cent + (proj * ratios[: proj.shape[1]]) @ V.T-        report.append((ty, int(idx.size), ratios.tolist()))+        report.append((ty, int(idx.size), beta_eff, ratios.tolist()))     return out, report  @@ -431,13 +468,28 @@ def run(view: str, out: str, seed: int) -> None:         before = rms_radius(coords)         aniso_beta = float(os.environ.get("T2HI_ANISO_BETA", "1.3"))         aniso_min = int(os.environ.get("T2HI_ANISO_MIN", "5"))+        aniso_adaptive = os.environ.get("T2HI_ANISO_ADAPTIVE", "0").strip().lower() not in ("0", "false", "no")+        aniso_nfloor = float(os.environ.get("T2HI_ANISO_NFLOOR", "10"))+        aniso_nceil = float(os.environ.get("T2HI_ANISO_NCEIL", "50"))+        aniso_wmode = os.environ.get("T2HI_ANISO_WMODE", "up").strip().lower()+        aniso_boost = float(os.environ.get("T2HI_ANISO_BOOST", "0.0"))         lam_pre = type_eigen(coords, lab_sel, aniso_min) if aniso_beta != 0.0 else {}         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, aniso_rep = anisotropic_restore(coords, lab_sel, lam_pre, aniso_beta, aniso_min)-        print(f"[aniso] beta={aniso_beta} min={aniso_min} types={len(aniso_rep)} rms={rms_radius(coords):.1f}", flush=True)-        for ty, cnt, ratios in aniso_rep:-            print(f"  {ty}: n={cnt} ratios={[f'{r:.3f}' for r in ratios]}", flush=True)+        coords, aniso_rep = anisotropic_restore(+            coords, lab_sel, lam_pre, aniso_beta, aniso_min,+            adaptive=aniso_adaptive, n_floor=aniso_nfloor, n_ceil=aniso_nceil,+            wmode=aniso_wmode, boost=aniso_boost,+        )+        print(+            f"[aniso] beta={aniso_beta} adaptive={aniso_adaptive} nfloor={aniso_nfloor} "+            f"nceil={aniso_nceil} min={aniso_min} types_restored="+            f"{sum(1 for r in aniso_rep if r[2] > 0.0)} types_skipped="+            f"{sum(1 for r in aniso_rep if r[2] <= 0.0)} rms={rms_radius(coords):.1f}",+            flush=True,+        )+        for ty, cnt, beta_eff, ratios in aniso_rep:+            print(f"  {ty}: n={cnt} beta_eff={beta_eff:.3f} ratios={[f'{r:.3f}' for r in ratios]}", 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)

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 T2HI-05 实现逐类型自适应 β_eff=β·w(n)（对数细胞数斜坡，env 控制，含反向 boost 变体）；proxy 上类型细胞数为 60–2698，PLAN 名义网格（n_ceil≤80）恒 w=1、逐位等于父，故把 n_floor/n_ceil 扩到观测范围实测机制。

**查分结果**（A 半，同会话 15 次查询）：PLAN 方向一致更差（up 60/500 各 β：66.17–66.36 vs 基线 66.528，d2 raw 0.039→0.041–0.045）——小类型恢复平均方向正确，假设被否证；反向（小类型加恢复，boost=0.8）最佳 66.567，仅 +0.04，噪声内的平坦带。提交默认 ADAPTIVE=0，逐位复现父 17（已验证 X/obsm array_equal、seed 确定、vec-check 通过，本会话查分 66.528 与父文件一致）。

**下一步最值得试**：坐标侧恢复强度维度已饱和（均匀 β 与逐类型 β 均在平台顶点）；表达两组（~72 分）和 cell_state 从未被坐标机制触动，收益空间在表达侧——但节点 15/22/24 的类型均值插值与矩校正均已失败，可试保留单细胞稀疏结构的表达侧变换（如按 t 的基因级秩对齐或共变保持的逐基因仿射），或转向 shape_scale 组的 occupancy_dice（skill 仅 ~0.52，对型间质心几何敏感，节点 19 的质心恢复失败但只测了 γ 平移、未测型间距离比缩放）。

调研员

 scale 0.512，均贴近地板0.5）。METHOD.md承认小类型（5–20细胞）的PCA特征值噪声大、仅靠clip[0.5,2]兜底、未逐型核验。当前所有≥5细胞的类型统一用β=1.3，但5细胞型的3维协方差只有2个自由度，特征值估计极不稳定，过恢复（β>1）在此类上可能是随机的有害形变。父节点ANALYSIS明确建议'把恢复强度按类型细胞数自适应（n≥50用更大β，小类型用更小β或跳过）'。兄弟节点19（质心恢复）和22（表达插值）均已失败，坐标侧逐型自适应恢复是剩余未试的结构改进。",
  "approach": "在父17管线的aniso_restore步骤中，把全局β替换为逐类型有效值 β_eff = β_global * w(n_type)，其中 w(n) = clip((log2(n) - log2(n_floor)) / (log2(n_ceil) - log2(n_floor)), 0, 1)。n_floor默认10（低于此跳过恢复），n_ceil默认50（达到此用满β）。即：5–9细胞的类型跳过；10–49细胞的类型按对数比例线性增加恢复强度；≥50细胞的类型用完整β_global。关键参数初值与搜索范围：β_global ∈ {1.3, 1.5, 1.8}（父节点β=1.3是在统一β下的最优，自适应后大类型可能需要更强恢复）；n_floor ∈ {8, 10, 15}；n_ceil ∈ {30, 50, 80}。网格共27个配置，每配置~3s，总计<2分钟。用vec-score A半快速筛选：先跑n_floor=10, n_ceil=50, β_global=1.3作为基线对比父17，确认方向后扫β_global，再扫n_floor/n_ceil。单输入阶段退路不变（copy_last分支在机制之前返回）。最终提交配置必须在β_eff全部为0时（即n_floor设为无穷大或加env开关T2HI_ANISO_ADAPTIVE=0）逐位复现父17输出。",
  "expected_groups": ["shape_scale"],
  "risks": "1) 收益可能仍在噪声内（<1分）：父节点统一β已获+0.37，自适应只是消除小类型的随机有害形变，净增益可能很小。Engineer应观察d2_shape和occupancy_dice的raw值是否一致改善（方向一致才可信）。2) 小类型被跳过后，这些类型的形状完全由收缩决定（压缩态），可能反而更差——如果n_floor=15比n_floor=10差，说明小类型的恢复虽噪声大但平均方向正确。3) 大类型β提高后nbd可能劣化（型内展开过度）：监控nbd raw，若>0.042则β_global不超过1.3。4) 30分钟时限充裕（网格<2分钟），风险低。",
  "family_id": "T2HI-05",
  "mechanism": "将各向异性方差恢复的强度从全局常数β改为逐类型自适应值，权重由该类型细胞数的对数决定：大类型（PCA估计可靠）用满或超额恢复，小类型（PCA噪声大）减弱或跳过恢复，消除小样本特征值噪声导致的随机过恢复形变。",
  "vs_constant_shift": "每型的恢复强度不同（由细胞数决定），每轴的缩放因子不同（由该型收缩前后方差比决定），且恢复方向沿该型自身的PCA主轴。这不是对所有细胞施加统一位移或统一缩放：两个细胞数不同的类型即使收缩程度相同，恢复强度也不同；同一类型内不同轴的缩放因子也不同。",
  "mechanism_evidence": "Engineer应打印每型的(n_cells, β_eff, per-axis ratios)日志。证据：(1) 大类型（≥50细胞）的逐轴缩放因子分布应与父节点β=1.3时一致（因为w=1）；(2) 小类型（<15细胞）的缩放因子应更接近1（即更少形变）；(3) d2_shape raw应从0.03989进一步下降（目标<0.038）；(4) 如果nbd raw不劣于0.04153，说明小类型的过恢复确实在损害邻域配对。四组分中cell_state和expression_change应严格不变（机制只动坐标）。",
  "mechanism_off_control": "设env T2HI_ANISO_ADAPTIVE=0（或等效地n_floor=5且n_ceil=5使w恒=1），此时β_eff=β_global对所有≥5细胞类型成立，退化为父17的均匀β行为。预期差别：关闭自适应后输出应与父17逐位相同（array_equal验证）；开启后小类型的坐标变化量应减小，大类型可能增大（若β_global>1.3）。",
  "sources": []
}
```