总览 · ← 返回运行 20261003-094242-search-t2-embryo-interp-g24-D-s2

节点 n27

实现软阈值基因加权位移（PLAN T2EI-01）：表达位移的基因参与从硬阈值 1{|Δ|≥0.25} 改为连续幂次权重 w_g=clip(|Δ_g|/τ,0,1)^p（τ=0.25、p=1.0 提交），off/on 对照显示 de_direction 微升、de_score 不动，净效应 +0.03~0.04 榜分，在噪声（~1 分）内；提交保持机制打开。

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 5af70edcb8: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 2c66561966。改动的文件：solution/METHOD.md +30 −39、solution/run.py +26 −2

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 7419de5..e8a5573 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,50 +1,41 @@-实现分型各向异性坐标整形（TYPE_ANISO，PLAN T2EI-06）并完成 off/on 对照：occupancy_dice 在 damp −1.0…1.0 全网格上均比关闭时更差（两个方向单调劣化），净效应为负，提交默认 T2_TYPEANISO_ENABLE=0，输出与父节点 13/19 逐位一致。+实现软阈值基因加权位移（PLAN T2EI-01）：表达位移的基因参与从硬阈值 1{|Δ|≥0.25} 改为连续幂次权重 w_g=clip(|Δ_g|/τ,0,1)^p（τ=0.25、p=1.0 提交），off/on 对照显示 de_direction 微升、de_score 不动，净效应 +0.03~0.04 榜分，在噪声（~1 分）内；提交保持机制打开。 -## 方法（family T2EI-06，PLAN：分型各向异性坐标整形攻 occupancy_dice）+## 方法（family T2EI-01，PLAN：软阈值基因加权位移攻 DE 排序） -保留父节点 13/19 全部管线（mix 分层混抽、procrustes3d 对齐、scale_damp=0.5、α=5 类型级收敛位移、λ=6 投影加权、β=0.2 型内 NN 配对收缩、全局 aniso 坐标整形 γ=damp×t（damp=1.25）、jitter、RMS 回缩；VARISO 默认关闭）。按 PLAN 在全局 aniso_reshape 之后、jitter 之前插入 TYPE_ANISO：+保留父节点 13/19/22 全部管线（mix 分层混抽、procrustes3d、scale_damp=0.5、α=5 类型级收敛位移、λ=6 投影加权、β=0.2 型内 NN 配对收缩、全局 aniso damp=1.25、jitter、RMS 回缩；VARISO / TYPE_ANISO 关闭）。唯一改动在 mix_converge 的 Δ 构造处（run.py）： -1. 对每个在括号两阶段各 ≥T2_TYPEANISO_MIN_CELLS（默认 20）细胞的共有类型：在**对齐帧（全局 aniso 之前、已缩放到 target_rms 的 ca/cb）**里，两侧各绕自身类型质心中心化，合并求 3 维 PCA 轴，记录逐轴 std_a[k]、std_b[k]。-2. 逐轴目标：target_k = exp(log(std_a+ε) + t·(log(std_b+ε)−log(std_a+ε)))，ε=0.01。-3. 该类型的输出细胞（全局 aniso 之后的坐标）：绕输出型质心中心化、投影到类型 PCA 轴，轴 k 乘 r_k = 1 + γ_ta·(target_k/cur_k − 1)，γ_ta = T2_TYPEANISO_DAMP × t，r_k 夹到 [0.5, 2.0]，重构。-4. 之后的既有 scale_to_rms（jitter 后）把整朵云精确回缩到同一 target RMS，scale_log_ratio 不受影响。-5. 任一侧 <MIN_CELLS 的类型跳过；单输入阶段（无括号）走上层既有退路，TYPE_ANISO 不执行。+- 硬阈值（off）：`d = where(|d|≥0.25, d, 0)` —— |Δ|<0.25 的基因位移为零，dp 中被压平，破坏 de_direction 秩偏相关；阈值附近全有/全无。+- 软权重（on，提交默认）：`d = d · clip(|d|/τ, 0, 1)^p`，环境变量 T2_SOFT_ENABLE（默认 1）、T2_SOFT_TAU（默认 0.25）、T2_SOFT_P（默认 1.0）。位移仍是 x ← x ± α·(t 或 1−t)·w·d，nnz-only 与 clip≥0 保留，稀疏结构不变（nnz 比例 0.059 → 0.059，逐位验证）。λ 投影加权与 β 配对的 DE 掩码逻辑未改（β 的 de 掩码仍用硬阈值，只作用于配对距离与收缩维度选择）。+- off 对照：T2_SOFT_ENABLE=0（或 T2_SOFT_P=0）走原硬阈值分支，seed 0 输出与父节点逐位一致（off 榜分 61.4533 = 父节点 A 半 61.45，验证通过）。+- 单输入阶段（无括号）走上层既有 copy_last 退路，软权重代码不执行。确定性：无新增随机源。 -环境变量：T2_TYPEANISO_ENABLE（**提交默认 0**）、T2_TYPEANISO_DAMP（默认 0.5）、T2_TYPEANISO_MIN_CELLS=20、T2_TYPEANISO_CLIP_LO/HI=0.5/2.0、T2_TYPEANISO_EPS=0.01。全部为确定性数组运算，无新增随机源。+## 机制生效证据（seed 0，proxy E6.75+E8.0→E7.25，t=0.4） -## 机制生效证据（seed 0，proxy E6.75+E8.0→E7.25，t=0.4，10 个共有类型全部处理）+- 参与位移基因数（sum(w_g>0.01)，10 个共有类型均值）：硬阈值 166.4 → 软权重 478.2；位移幅度按 |Δ| 幂次递减（maxAbsD 1.93，meanAbsD 0.0028）。+- 四组分（A 半查分）：expression_change 60.97→61.03（de_direction raw 0.3853→0.3879、skill 0.638→0.639；de_score raw 0.25 完全不动）；cell_state 48.93→48.92（mmd_u +0.00003 微劣、variogram 0.01442→0.01432 微升，均在否决线内）；local_spatial / shape_scale 逐位不变（坐标未动，nbr raw 0.05506→0.05505 来自表达经邻域平均的间接影响，<0.002 阈值）。 -- 逐型 r_k 异质、远离 1（PLAN 风险 1/4 排除——机制确实在动）：damp=0.5（γ=0.2）时 r_mean=0.924、r∈[0.866, 0.981]，仅 17% 落在 [0.95,1.05]；damp=1.0 r_mean=0.848；damp=−1.0 r_mean=1.152。target/cur 均值 0.62：括号 log 插值目标要求**压缩**每个类型的子云。clip_frac=0（无类型触及 0.5/2.0 边界）。-- 四组分变化（A 半查分，off 与父 13/19 逐位一致，off 榜分 61.45）：+## 网格结果（A 半，共 10 次查分） -| 配置 | 榜分 | occupancy raw/skill | d2 raw/skill | nbr raw | shape_scale 组 |-|---|---:|---|---|---|---:|-| off（=父13/19） | **61.45** | 0.8066 / 0.421 | 0.0047 / 0.979 | 0.05506 | 77.75 |-| damp=0.25 | 61.43 | 0.7972 / 0.404 | 0.00363 / 0.996 | 0.05520 | 77.73 |-| damp=0.5 | 61.28 | 0.7849 / 0.382 | 0.00338 / 1.000 | 0.05530 | 77.15 |-| damp=1.0 | 61.05 | 0.7742 / — | 0.00401 / — | 0.05530 | 76.26 |-| damp=−0.5（反向膨胀） | 60.76 | 0.7862 / — | 0.00783 / — | 0.05501 | 74.95 |-| damp=−1.0 | 60.18 | 0.7783 / — | 0.01189 / — | 0.05517 | 72.71 |+| 配置 | 榜分 | de_score | de_dir | mmd_u | variogram | nbr |+|---|---:|---:|---:|---:|---:|---:|+| off（=父13/19/22） | 61.453 | 0.2500 | 0.3853 | 0.01164 | 0.01442 | 0.05506 |+| p=0.5, τ=0.25 | 61.483 | 0.2500 | 0.3878 | 0.01168 | 0.01430 | 0.05505 |+| **p=1.0, τ=0.25（提交）** | **61.483** | 0.2500 | 0.3879 | 0.01167 | 0.01432 | 0.05505 |+| p=2.0, τ=0.25 | 61.474 | 0.2500 | 0.3874 | 0.01167 | 0.01435 | 0.05505 |+| p=1.0, τ=0.15 | 61.490 | 0.2500 | 0.3883 | 0.01168 | 0.01428 | 0.05505 |+| p=1.0, τ=0.50 | 61.411 | 0.2500 | 0.3858 | 0.01170 | 0.01450 | 0.05518 |+| p=1.0, α=8 | 60.808 | 0.2500 | 0.3796 | 0.01532 | 0.01352 | 0.05477 |+| p=1.0, α=3 | 60.430 | 0.2143 | 0.3843 | 0.01221 | 0.01594 | 0.05886 | -  expression_change / cell_state 四组在所有配置下逐位不变（表达未动，符合设计）。+## 结论（诚实评估） -## 关闭对照（mechanism_off_control）+- 机制方向正确但效应量远低于预期：de_direction raw +0.0026（PLAN 继续阈值 0.02 未达到），de_score 在所有软权重配置下纹丝不动——de_score 只看 |dp| 排序取 top-N 的命中率，小 |Δ| 基因的软位移量太小（α·t·Δ·(|Δ|/τ)^p，|Δ|≪τ 时近乎零），改变不了 top-N 集合，说明 de_score 缺口不在阈值压平而在位移方向本身（α·Δ_type 与真值 dt 的基因级错位）。+- α 网格证实 α=5 仍是局部最优（α=3 de_score 崩到 0.214，α=8 mmd_u 崩到 0.0153）。+- τ=0.5（对大 Δ 基因也衰减）净负：位移整体变弱等价于 α 减小。+- 净榜分 +0.03（61.453→61.483），T2 噪声 ~1 分，A/B 半之间不保证重现；所有否决线（mmd_u < +0.001、variogram、nbr < +0.002）均满足且 variogram/nbr 微改善，故按 PLAN"提交时保持打开"提交 p=1.0、τ=0.25。若 B 半回归，教训是：DE 两项对幅度不敏感、只对排序敏感，任何不改变 dp 排序的幅度级微调都无效。 -T2_TYPEANISO_ENABLE=0：TYPE_ANISO 代码块整体跳过，seed 0 下 X 与 spatial_3D 均与父节点输出 array_equal=True（逐位验证），8 项指标与父 13/19 完全相同（榜分 61.45，A 半；正式 B 半分即父节点 62.52）。提交默认即此配置。+## 验证过 / 没验证 -## 如实结论：机制净效应为负，提交默认关闭--1. **PLAN 验收条件失败**：要求 occupancy_dice raw 改善 ≥0.01，实测在 damp>0（压缩方向，即括号 log 插值目标方向）单调**劣化** 0.8066→0.7972→0.7849→0.7742；d2_shape 虽从 0.979 升到 1.000（+0.17 分），抵不过 occupancy 的损失（−0.15～−0.33 分）。damp=0.25 已触发 PLAN 风险 2 的邻域小幅劣化（0.05506→0.05520）。-2. **反向（膨胀，damp<0）更差**：occupancy 同样下降且 d2_shape 崩塌（raw 0.0047→0.0119），说明 occupancy_dice 的缺口（skill 0.42）不在“分型子云展幅”这个自由度上：全局 aniso（父 13，damp=1.25）已把整体各向异性调到网格最优，逐型再压缩会把云捏成带空隙的团块（dice 降），逐型膨胀会让类型互相重叠、破坏整体距离分布（d2 崩）。-3. 这印证了 PLAN 风险 3 的判据方向：occupancy 对分型整形有响应但全为负响应——mismatch 在体素占据的**全局分布/密度**，不在逐型 aspect ratio。-4. damp=0.75 未查分（介于 0.5 与 1.0 之间，单调性已确立，省额度）。查分额度用 6/20。-5. 已验证：off=父 13/19 逐位（seed 0）；seed 1 两次运行逐位一致；vec-check 通过；n=5000 ∈ [583,5000]；运行 ~9s、内存 <0.4GB。未验证：真实括号 t=1/3（机制已关闭，无影响）；MIN_CELLS/clip 变体（occupancy 双向劣化，无继续扫的意义）。-6. 生物学知识来源：无外部知识；仅使用 PLAN 给定的分型整形假设与输入数据现场计算的几何统计量。--## 视图无关性--TYPE_ANISO（含关闭状态）只依赖：视图坐标数据、类型标签、t（manifest 时间差，平移不变）、seed（未新增随机源）。无绝对时间、无路径/文件名/board 字段、无硬编码统计量。默认路径与父节点 13/19 逐位一致，视图无关性继承自父节点。--## 下一步建议--occupancy_dice（skill 0.42）对全局各向异性（父 13 已最优）和逐型各向异性（本节点，双向劣化）都关不上口子。剩余可能自由度：(a) 逐型**质心位置**的插值/重排（不是展幅缩放，而是类型间相对布局向括号插值目标移动）——但需盯 neighborhood_mmd 与结构门；(b) z 轴单独处理（离散切片结构，occupancy 的 16³ 网格对 z 分层敏感，全局 PCA 整形可能把层间距调错）；(c) 接受 shape_scale 现状，转攻 de_score/de_direction（0.58/0.64，权重各 12.5）——表达侧位移管线（α/λ/β）尚未做过针对 DE 排序指标的专门网格。+- 验证：off 与父逐位一致；on 的稀疏结构保持；p/τ/α 网格 8 配置；vec-check ok；默认配置输出与 p1.0 网格文件逐位一致。+- 没验证：seed 1/2 复跑（时间预算内查分优先给了网格）；τ<0.15（PLAN 风险 4 的密集位移区）；β 配对掩码同步改软权重（预期同样在噪声内）。+- 知识来源：无外部生物学知识；全部为评分指标性质推理（DE 只看排序/符号）与代理网格实测。diff --git a/solution/run.py b/solution/run.pyindex 19e9eba..cf4216b 100644--- a/solution/run.py+++ b/solution/run.py@@ -85,6 +85,16 @@ CONVERGE_ALPHA = float(os.environ.get("T2_CONVERGE_ALPHA", "5.0")) # cells is preserved (a dense per-gene shift destroys it and tanks variogram/mmd). CONVERGE_MIN_DELTA = float(os.environ.get("T2_CONVERGE_MIN_DELTA", "0.25")) CONVERGE_NNZ_ONLY = os.environ.get("T2_CONVERGE_NNZ_ONLY", "1") == "1"+# Soft-threshold gene weighting (family T2EI-01, this node): replace the binary+# participation mask w_g = 1{|Δ_g|>=0.25} with a continuous power weight+# w_g = clip(|Δ_g|/τ, 0, 1)^p applied to the full Δ (displacement α·t·w_g·Δ_g).+# Small-change genes get a proportional (monotone in |Δ|) displacement instead+# of exactly zero, restoring their rank ordering for de_direction, and removing+# the all-or-nothing jump at the threshold that distorts de_score ranking.+# ENABLE=0 or P=0 reproduces the hard-threshold parent bit-for-bit.+SOFT_ENABLE = os.environ.get("T2_SOFT_ENABLE", "1") == "1"+SOFT_TAU = float(os.environ.get("T2_SOFT_TAU", "0.25"))+SOFT_P = float(os.environ.get("T2_SOFT_P", "1.0")) # Per-cell heterogeneous displacement (family T2EI-01 refine): each cell's shift # is scaled by w = clip(1 -/+ λ·p, 0.2, 2.5), where p is the cell's deviation # from its type mean projected onto Δ (only genes with Δ≠0). Cells already@@ -286,11 +296,23 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float):         cnt_b = {k: int((lb == k).sum()) for k in means_b}         shared = sorted(k for k in set(means_a) & set(means_b) if cnt_a[k] >= 10 and cnt_b[k] >= 10)         delta = {}+        n_part, n_hard = [], []         for lab in shared:             d = (means_b[lab] - means_a[lab]).astype(np.float32)-            if CONVERGE_MIN_DELTA > 0:+            if SOFT_ENABLE and SOFT_P > 0:+                w = np.clip(np.abs(d) / max(SOFT_TAU, 1e-12), 0.0, 1.0) ** SOFT_P+                n_part.append(int((w > 0.01).sum()))+                n_hard.append(int((np.abs(d) >= CONVERGE_MIN_DELTA).sum()))+                d = (d * w).astype(np.float32)+            elif CONVERGE_MIN_DELTA > 0:                 d = np.where(np.abs(d) >= CONVERGE_MIN_DELTA, d, np.float32(0.0)).astype(np.float32)             delta[lab] = d+        if n_part:+            conv["soft_enable"] = True+            conv["soft_tau"] = SOFT_TAU+            conv["soft_p"] = SOFT_P+            conv["soft_n_participating_mean"] = float(np.mean(n_part))+            conv["soft_n_hard_mean"] = float(np.mean(n_hard))         if shared:             before = np.vstack([xa, xb]).astype(np.float64)             labs_a = np.asarray(stage_a.labels).astype(str)[ia]@@ -570,7 +592,9 @@ def main() -> None:     keep = {k: info.get(k) for k in ("t", "n", "rms_a", "rms_b", "out_rms", "n_shared_types", "z_dot", "z_flipped",                                      "align", "alpha", "n_shared_types_converged", "within_type_std_rel",                                      "between_type_mean_dist_rel", "n_from_a", "n_from_b",-                                      "lambda", "weight_mean", "weight_std",+                                       "lambda", "weight_mean", "weight_std",+                                        "soft_enable", "soft_tau", "soft_p",+                                        "soft_n_participating_mean", "soft_n_hard_mean",                                        "pair_beta", "n_paired_types", "n_pairs", "pair_within_std_rel",                                        "pair_orth_var_rel", "pair_dist_over_diam",                                        "aniso_enable", "aniso_damp", "aniso_gamma", "aniso_spread_a",

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

Done. Summary:

**做了什么**：按 PLAN（T2EI-01）在父节点 22 表达位移步实现软阈值基因加权 w_g=clip(|Δ|/τ,0,1)^p，替代硬阈值 1{|Δ|≥0.25}；off 对照与父节点逐位一致（61.453=父 A 半）。网格 p×τ×α 共 8 配置、10 次查分。

**查分结果**：de_direction raw 0.3853→0.3879（+0.0026，远低于 PLAN 0.02 继续阈值），de_score 0.25 纹丝不动；净榜分 61.453→61.483（噪声内）。所有否决线满足、variogram/nbr 微改善，按 PLAN 提交机制打开（p=1.0、τ=0.25），vec-check 通过，输出确定。

**下一步最值得试**：de_score 缺口不在阈值压平而在位移方向——α·Δ_type 与真值 dt 的基因级错位；建议用 prior/（Reactome/CollecTRI）对 Δ 做通路级方向校正，或攻 variogram（skill 0.37，细胞状态组最大缺口）。

调研员

（off 对照）。实现步骤：(1) 在 shift 模块中把 |Δ|≥CONVERGE_MIN_DELTA 的布尔掩码替换为软权重向量，用环境变量 T2_SOFT_TAU（默认 0.25）和 T2_SOFT_P（默认 1.0）控制；(2) 先用 seed 0 在 proxy 上跑 off 对照（p=0）确认与父节点逐位一致；(3) 网格第一维：p ∈ {0(off), 0.5, 1.0, 2.0}，τ_soft 固定 0.25，查 4 次 vec-score，看 de_score/de_direction raw 变化；(4) 若 p=1.0 或 2.0 有 DE raw 改善，第二维：τ_soft ∈ {0.10, 0.15, 0.20, 0.25}，固定最优 p，查 4 次；(5) 若 DE 改善 >0.02 raw 且 mmd_u/variogram/nbr raw 劣化在阈值内（mmd_u < +0.001，variogram < +0.001，nbr < +0.002），第三维：α ∈ {3, 5, 8}，固定最优 τ/p，查 3 次；(6) 总计 ≤12 次查分。单输入阶段退路：无括号时走既有 copy_last 退路，软权重代码不执行。vec-score 快速筛选：每次只查 A 半，看 score_parts 中 de_score/de_direction 的 raw 和 skill，同时监控 mmd_u、variogram、neighborhood_mmd raw 是否越过否决线。",
  "expected_groups": ["expression_change"],
  "risks": "(1) 软权重让小 |Δ| 噪声基因获得位移，稀释真实信号，de_score 反而下降——Engineer 在第一步网格（4 次查分）即可发现，若 p=0.5/1.0/2.0 的 de_score raw 均 ≤0.3103 则止损；(2) 小变化基因的位移破坏稀疏结构（零值被抬高），损害 variogram/mmd_u——监控这两项 raw，劣化 >0.001 即放弃该配置；(3) 预期 DE raw 改善可能 <0.02（~1 分组分），在噪声内——需同一最优配置用 seed 0 和 seed 1 各查一次确认；(4) τ_soft 过低（0.10）等于几乎所有基因都参与，退化为密集位移，已知会摧毁稀疏结构——τ_soft ≤ 0.15 时额外检查零值比例是否 <90%。",
  "family_id": "T2EI-01",
  "mechanism": "将表达位移的基因参与从硬阈值二值开关（|Δ|≥0.25 → 1，否则 0）改为连续幂次软权重 w_g = clip(|Δ_g|/τ, 0, 1)^p，使小变化基因获得与其真实变化幅度成比例的位移，修复 de_direction 秩相关中被零化压平的小变化基因排序，同时消除阈值附近的全有/全无跳变对 de_score 排序的扭曲。",
  "vs_constant_shift": "常数位移对每个类型的所有基因施加相同方向和幅度的平移；本机制按每个基因的 |Δ| 赋予不同的连续参与权重（幂次曲线），小变化基因获得按比例缩减的位移而非零或全量，改变的是基因间的相对位移结构（哪些基因动多少），不是整体平移或组成比例。",
  "mechanism_evidence": "(1) 位移前后逐基因 |dp| 排序与 |dt| 排序的 Spearman ρ 应随软权重开启而上升（硬阈值下小 |Δ| 基因的 dp=0 破坏排序）；(2) de_direction raw（偏相关）和 de_score raw（命中率）在 score_parts 中的变化方向和幅度；(3) 参与位移的基因数从硬阈值的 ~|Δ|≥0.25 基因数增加到软权重下的更多基因（但幅度递减），Engineer 可打印 sum(w_g>0.01) 对比；(4) 四组分各自变化：expression_change 应升，cell_state/local_spatial/shape_scale 应不变或在否决线内。",
  "mechanism_off_control": "T2_SOFT_P=0（或 T2_SOFT_ENABLE=0）：w_g = 1{|Δ_g|≥0.25}，即原硬阈值逻辑，输出与父节点 13/19 逐位一致（seed 0 下 array_equal 验证）。预期差别：off 时 de_score raw=0.3103、de_direction raw=0.3986 不变；on 时这两项应变化（改善或劣化），其余六项指标不变（坐标和混抽未动）。",
  "sources": []
}
```

审查员

REVIEW.json written