总览 · ← 返回运行 20261003-171955-search-t2-embryo-interp-chain-12h

节点 n33

NO_CHANGE: 非对称收敛强度（up-DE α 下调/上调共 9 组）+ per-type 自适应 α（备选机制 3 组）全部落在噪声内；最佳 α_up=6/α_down=4 仅 +0.10（≪1 分 T2 噪声），PLAN 的 α_up 下调方向单调劣化并触发其自身 abort 判据。提交默认 α_up=α_down=5.0、TYPEADAPT_P=0，seed 0 输出与父节点 24/3

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 2c9d2f7508: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 6fa4ef185b。改动的文件：solution/METHOD.md +93 −62、solution/README.md +15 −9、solution/run.py +100 −18

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex a19285d..396891d 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,67 +1,98 @@-NO_CHANGE: 型内质心距离控制交换（κ=0.3–3.0 共 7 种解码全部劣于同日锚点，κ≥3 触发邻域否决线；备选 DETFIX、β 微调同被证否）--## 结论--按 PLAN（T2EI-01：型内表达质心距离控制交换，T2_SPREAD_KAPPA）实现并完成 off/on 对照与 7 种解码查分：机制按设计生效（交换确实压缩型内散布、variogram raw 单调下降），但 variogram 可得收益上限仅约 +0.21 pts，而交换附带的 neighborhood_mmd / de_direction / occupancy_dice 损失更大，全部组合净负或噪声内（+0.013 至 −0.85，同日 A 半锚点 61.453）。随后按 §2 要求试了针对同一弱项（cell_state/variogram）的备选机制与幅度扫描：DETFIX（DE 上调基因检出频率向括号插值目标恢复）被强烈证否（−3.80，并揭示线性插值目标系统性高估真实中间阶段）；β 配对收缩 0.3/0.4 净 ≈0；收敛强度 α=5.5/6.0/6.5/8.0 扫描显示 neighborhood_mmd 与 variogram 随 α 单调改善（α=6.5 时 nbrhd raw 0.05387 为全表最好）但 mmd_u 以更快速度劣化，净峰值 α=5.5 仅 +0.037（远低于 ~1 分噪声）。共 15 次查分（含锚点重复 1 次），无一配置超出噪声。**提交默认 SPREAD_KAPPA=0、DETFIX_FRAC=0、α=5、β=0.2，seed 0 输出与父节点 24 逐位相同（array_equal 验证 X 与 spatial_3D），`--ablate mechanism` 同样逐位复现父节点。**--## 实现--在父节点 24 全部管线（mix 分层、procrustes3d、α=5、λ=6、β=0.2、aniso、jitter、RMS 回缩）的 mix_indices 之后、converge shift 之前新增：--1. **SPREAD 交换（PLAN 机制）**：每个共有类型（两侧池 ≥20 细胞）计算插值质心 μ_tgt=(1−t)μ_a+tμ_b（全面板基因）；对池内每个细胞算 d_i=‖x_i−μ_tgt‖₂（只用该细胞 nnz 基因，DE 模式下再限制到 |Δ_type|≥0.25 基因）；每侧按已抽细胞的 d 中位数 d_med，对 d_i>d_med 者以 p=clip(κ(d_i−d_med)/d_med,0,1) 与同型同侧未抽中且 d_j<d_med 的细胞交换。专用 rng（seed+987654321），不扰动主管线 rng 流 → κ=0 逐位复现父节点。解码变体：`T2_SPREAD_DIST_MODE=de`（距离只看 DE 基因）、`T2_SPREAD_RAD_MULT>0`（空间受限：替换细胞须在 R_max=mult×池内 NN 距离 P90 内，取空间最近者，保护邻域）。-2. **DETFIX（备选机制 1）**：β 步之后，对每个共有类型（输出两侧各 ≥10 细胞）的每个上调 DE 基因（δ≥0.25），按检出频率缺口 f_tgt−f_out（f_tgt=(1−t)f_a+t·f_b，池上现场算）激活 n_add=round(frac·缺口·n_block) 个「最进步」零细胞（按型内 Δ 投影排序），供体值从同型 b 侧已表达值分位匹配，每细胞激活数封顶 10。只翻 0→正，不改已有值、不动坐标。-3. **β 微调（备选机制 2）**：T2_PAIR_BETA 0.3/0.4（父节点 0.2）。--`--ablate <任意名>`：把 SPREAD_KAPPA 与 DETFIX_FRAC 都置 0，其余步骤、seed、输出格式不变。--## 机制生效证据（PLAN mechanism_evidence 各项）--- **交换量**：κ=0.3/0.6/1.0/3.0 → 61/137/222/659 次交换（占 5000 细胞的 1.2%/2.7%/4.4%/13.2%；共有类型内 swap_frac 均值 2.0%/3.8%/5.6%/19.0%；a 侧 108、b 侧 29 @κ=0.6）；空间受限 κ=3.0×rad3 → 629 次；DE 模式 κ=1.0 → 212 次。交换为 0 的配置只有 κ=0（默认提交态，此时不算距离、不消费 rng）。-- **型内 RMS 散布（全基因，相对 μ_tgt）**：κ=0.6 → ×0.990（a 0.988 / b 0.991）；κ=1.0 → ×0.987；κ=3.0 → ×0.958；κ=3.0×rad3 → ×0.961。机制确实压缩散布，且随 κ 单调。-- **DETFIX**：frac=1.0 时 9 个共有类型、29480 次激活、3005 个细胞、273 个基因被触及；型内 up-DE 检出频率缺口 0.087→0.023；零元 1437473→1407993。-- **四组分变化**见下表（同日 A 半，锚点=本节点代码关闭机制，board 61.453：cell_state 48.93 / expression 60.97 / local 58.16 / shape 77.75）。--## 查分记录（同日 A 半，锚点 61.453；共 11 次查询，含锚点重复 1 次）--| 配置 | board | 净Δ | variogram raw | mmd_u raw | nbrhd raw | de_dir | 判定 |-|---|---:|---:|---:|---:|---:|---:|---|-| off（锚点，=父节点24） | 61.453 | — | 0.01442 | 0.01164 | 0.05506 | 0.3853 | — |-| κ=0.3 all | 61.462 | +0.013 | 0.01435 | 0.01169 | 0.05559 | 0.3846 | 噪声内；增益来自 shape 抽样运气（occup +0.05、d2 +0.03），variogram 仅 +0.014 pts，PLAN 降幅阈值 0.0005 未达（实际 −0.00007） |-| κ=0.6 all | 61.378 | −0.071 | 0.01418 | 0.01154 | 0.05542 | 0.3823 | variogram 降 0.000245 <0.0005 → PLAN 停止线 |-| κ=1.0 all | 61.245 | −0.206 | 0.01398 | 0.01165 | 0.05562 | 0.3793 | 同上，降幅 0.00044 仍 <0.0005，de_dir/occup 继续掉 |-| κ=1.0 de模式 | 61.318 | −0.135 | 0.01422 | 0.01164 | 0.05571 | 0.3848 | DE 距离解码不改变结论 |-| κ=3.0 all | 60.606 | −0.845 | 0.01382 | 0.01212 | 0.05852 | 0.3707 | nbrhd +0.0035 >0.001 → 否决线 |-| κ=3.0 空间受限 rad3 | 61.189 | −0.261 | 0.01346 | 0.01176 | 0.05712 | 0.3636 | variogram 最大增益 +0.208 pts，但 nbrhd +0.0021 仍破否决线，de_dir −0.122、occup −0.091 |-| DETFIX frac=1.0 | 57.649 | −3.804 | 0.02568 | 0.01480 | 0.06695 | 0.3621 | 强烈证否 |-| β=0.3 | 61.459 | +0.004 | 0.01430 | 0.01152 | 0.05556 | 0.3862 | 噪声内 |-| β=0.4 | 61.444 | −0.009 | 0.01417 | 0.01145 | 0.05611 | 0.3864 | cell_state +0.40（49.33，全表最高）但 nbrhd −0.118 抵消 |-| α=5.5（幅度扫描） | 61.487 | +0.037 | 0.01423 | 0.01192 | 0.05447 | 0.3850 | 噪声内；nbrhd +0.065、vari +0.041，被 mmd −0.070 抵消 |-| α=6.0 | 61.447 | −0.004 | 0.01405 | 0.01236 | 0.05408 | 0.3828 | nbrhd +0.110 但 mmd −0.180 |-| α=6.5 | 61.359 | −0.094 | 0.01393 | 0.01290 | 0.05387 | 0.3814 | nbrhd 全表最好（raw 0.05387）但 mmd −0.310 |-| α=8.0 | 60.800 | −0.651 | 0.01367 | 0.01524 | 0.05456 | 0.3771 | mmd 崩塌 −0.823 |--逐项 points 差（对锚点）示例：κ=3.0×rad3：vari +0.208、mmd −0.030、de_dir −0.122、de_score 0、nbrhd −0.228、occup −0.091、d2 +0.001、scale +0.001 → 净 −0.261。κ=0.6：vari +0.052、mmd +0.026、de_dir −0.017、nbrhd −0.040、occup −0.061、d2 −0.032 → 净 −0.071。--## 为什么判无效（结论性认识）--1. **variogram 对压缩的响应太弱**：型内 RMS 压缩 4%（659 次交换）只换来 raw −0.0006～−0.00096（+0.13～+0.21 pts）；而任何改变「哪些细胞在哪个坐标上表达什么」的操作，neighborhood_mmd（25 pts + 门住 shape 组）的损失都 ≥ 该收益。κ=0.3 的 +0.013 是坐标抽样噪声（增益全在 occupancy/d2，variogram 贡献 +0.014 pts），低于 T2 噪声阈（约 1 分），不算进步。-2. **DETFIX 揭示了一个新的强事实**：按类型线性插值的检出频率/伪批量目标（f_tgt、pb_tgt）**系统性高估**真实中间阶段——把 up-DE 基因检出频率从 0.096 拉向 0.122 使 variogram raw 从 0.0144 恶化到 0.0257（比父节点差 78%）。即真实 E7.25 的 up-DE 基因表达比 (1−t)A+tB 插值**更靠近早期阶段**（发育转录变化在括号后段加速，或插值高估了中间态成熟度）。父节点管线的「欠收敛」表象（up-gene pb 0.454 < 插值目标 0.576）其实方向正确，任何朝插值目标的恢复（幅度或频率）都应当放弃——这与节点 17/19/21 的失败一致，并给出统一解释。-3. β（DE 基因配对中点收缩）0.2→0.4 单调改善 cell_state（48.93→49.33）但 neighborhood 损失同步单调（−0.118），净 ≈0：表达侧压缩的收益/代价比在本管线当前压缩水平上已经打平。-4. **α（收敛强度）扫描给出一条清晰的结构约束**：随 α 5→6.5，neighborhood_mmd 单调改善（raw 0.05506→0.05387，全表最好）、variogram 单调改善（0.01442→0.01393），但 mmd_u 单调**加速**劣化（0.01164→0.01290→0.01524 @α=8）。原因：α 越大，两侧细胞越向中间态过冲，输出表达分布越窄/越偏离真值中间态（mmd_u 抓整体分布，neighborhood 只看局部配对平滑度）。净分在 α=5.5 处峰值 +0.037（噪声内），α=6 已回到 −0.004。这**验证了父节点 α=5 已近最优**，也说明 neighborhood / variogram 与 mmd_u 之间存在此消彼长的结构性张力：任何靠加大压缩换 neighborhood/variogram 的方向，都会被 mmd_u 的更快劣化吞掉。--## 验证过 / 未验证--- 验证：κ=0 与 `--ablate`（即使 env 开启机制）输出与父节点 24 逐位相同；seed 0 双跑逐位一致、seed 1 不同；vec-check ok；全部 9 个查分配置。-- 未验证：κ∈(1,3) 中间值（趋势单调，无必要）；DETFIX 只查了 frac=1.0（−3.8 远超噪声，且方向性结论由 variogram raw +78% 支撑，无需再烧额度）；单输入阶段退路与父节点相同（提前 return，机制不执行）；伪装视图重跑（代码只依赖视图数据与时间差，t 在时间平移下不变，无绝对时间/路径/文件名分支）。-- 运行：CPU ~1.2 s / ~0.4 GB（EXECUTION.json gpu:false），远低于 limits（28 GB / 30 min）。+NO_CHANGE: 非对称收敛强度（up-DE α 下调/上调共 9 组）+ per-type 自适应 α（备选机制 3 组）全部落在噪声内；最佳 α_up=6/α_down=4 仅 +0.10（≪1 分 T2 噪声），PLAN 的 α_up 下调方向单调劣化并触发其自身 abort 判据。提交默认 α_up=α_down=5.0、TYPEADAPT_P=0，seed 0 输出与父节点 24/32 逐位相同。++- family_id: T2EI-01+- parent: node 32（= node 24，mix + 表达收敛管线，A 半同日锚点 61.4533 / B 半 62.52）+- board: T2:embryo:val_interp（E6.75 + E8.0 → E7.25，t=0.4，A 半查分）++## PLAN 要求与实现++PLAN 假设：DETFIX（node 32）证明真值在 up-DE 基因上比括号线性插值更"早"，故对称 α=5 系统性过冲 up-DE，+把 up-DE 基因（Δ_g≥0.25）的收敛强度降到 α_up∈{3,3.5,4,4.5}、down-DE（Δ_g≤−0.25）保持/略增 α_down∈{5,5.5,6}，+应改善 mmd_u（cell_state 瓶颈，skill 0.607）而不损 neighborhood。++实现：在 `mix_converge` 的 `_shift` 位移 `c·w·Δ` 上，按 sign(Δ_g) 施加逐基因缩放+`asym[g] = α_up/α（Δ>0）| α_down/α（Δ<0）| 1（Δ=0）`，投影权重 w（λ）仍用真实 Δ 方向。+`α_up=α_down=α` 时 asym≡1，逐位复现父节点（已用 array_equal 验证 X 与 spatial_3D）。+新增 env：`T2_CONVERGE_ALPHA_UP`、`T2_CONVERGE_ALPHA_DOWN`；`--ablate mechanism` 强制二者=α 并关 typeadapt。+证据字段：`disp_up/down_per_cellgene`（up/down-DE 基因上 per-cell 平均位移）、`scale_up/down`、`n_up/down_genes`。++## 机制生效证据（α_up=4.0 vs 锚点 α=5，seed 0）++- up-DE 位移：`disp_up_per_cellgene` 0.429627 → 0.394189（原始 scale 0.8×，clip@0+nnz-only 后实测 −8%）；down-DE 位移不变（0.876482）。机制确实只改 up-DE 位移。+- 改动细胞数：3106/5000；坐标逐位不动（表达–位置配对保持）。+- DE 基因数：up-DE 1512、down-DE 152（发育中以 up 为主）。+- 四组分（α_up=4.0）：cell_state 48.44（−0.49）、expression_change 60.94（−0.03）、local_spatial 57.76（−0.40）、shape_scale 77.75（+0.00）。++## 全部查分（同日 A 半，seed 0，锚点 = 61.4533；raw Δ 相对锚点；points 见下表）++判据（PLAN）：GATE1 = mmd_u raw 降 ≥0.0003 且 neighborhood raw 恶化 <0.001；GATE2 = 净榜分 > 锚点 +1.0。++| config | α_up | α_down | typeadapt_p | board | Δboard | mmd_u raw (Δ) | variogram raw (Δ) | nbrhd raw (Δ) | GATE1 | GATE2 |+|---|---|---|---|---|---|---|---|---|---|---|+| anchor | 5.0 | 5.0 | 0 | 61.4533 | — | 0.01164 | 0.01442 | 0.05506 | — | — |+| up40_dn50 | 4.0 | 5.0 | 0 | 61.2232 | −0.230 | 0.01163 (−0.00001) | 0.01504 (+0.00062) | 0.05596 (+0.00090) | fail(mmd) | fail |+| up45_dn50 | 4.5 | 5.0 | 0 | 61.3658 | −0.087 | 0.01159 (−0.00005) | 0.01469 (+0.00027) | 0.05545 (+0.00039) | fail(mmd) | fail |+| up45_dn55 | 4.5 | 5.5 | 0 | 61.3645 | −0.09 | 0.01170 (+0.00006) | 0.01471 (+0.00029) | 0.05516 (+0.00010) | fail | fail |+| up50_dn60 | 5.0 | 6.0 | 0 | 61.4289 | −0.024 | 0.01192 (+0.00028) | 0.01446 (+0.00004) | 0.05457 (−0.00049) | fail | fail |+| up60_dn50 | 6.0 | 5.0 | 0 | 61.5244 | +0.071 | 0.01195 (+0.00031) | 0.01401 (−0.00041) | 0.05437 (−0.00069) | fail(mmd升) | fail |+| **up60_dn40** | 6.0 | 4.0 | 0 | **61.5540** | **+0.101** | 0.01169 (+0.00005) | 0.01398 (−0.00044) | 0.05476 (−0.00030) | fail | fail |+| up70_dn40 | 7.0 | 4.0 | 0 | 61.3729 | −0.080 | 0.01214 (+0.00050) | 0.01372 (−0.00070) | 0.05422 (−0.00084) | fail | fail |+| up70_dn50 | 7.0 | 5.0 | 0 | 61.2917 | −0.162 | 0.01253 (+0.00089) | 0.01375 (−0.00067) | 0.05401 (−0.00105) | fail | fail |+| up80_dn40 | 8.0 | 4.0 | 0 | 61.2598 | −0.194 | 0.01283 (+0.00119) | 0.01353 (−0.00089) | 0.05398 (−0.00108) | fail | fail |+| ta_p15 | 5.0 | 5.0 | +1.5 | 61.3389 | −0.114 | 0.01157 (−0.00007) | 0.01494 (+0.00052) | 0.05536 (+0.00030) | fail | fail |+| ta_pn15 | 5.0 | 5.0 | −1.5 | 61.0430 | −0.410 | 0.01256 (+0.00092) | 0.01417 (−0.00025) | 0.05520 (+0.00014) | fail | fail |+| ta_p15_up60dn40 | 6.0 | 4.0 | +1.5 | 61.4831 | +0.030 | 0.01149 (−0.00015) | 0.01441 (−0.00001) | 0.05526 (+0.00020) | fail(mmd 0.00015<0.0003) | fail |++points 分项（de_score / de_dir / mmd_u / variogram / d2 / occ / scale / nbrhd，八项和=榜分）：++| config | de_scor | de_dir | mmd_u | variogr | d2 | occ | scale | nbrhd |+|---|---|---|---|---|---|---|---|---|+| anchor | 7.267 | 7.975 | 7.586 | 4.646 | 8.159 | 3.511 | 7.767 | 14.540 |+| up40_dn50 | 7.267 | 7.968 | 7.588 | 4.522 | 8.159 | 3.511 | 7.767 | 14.440 |+| up60_dn40 | 7.268 | 7.962 | 7.573 | 4.739 | 8.159 | 3.511 | 7.767 | 14.573 |+| up80_dn40 | 7.103 | 7.927 | 7.292 | 4.838 | 8.159 | 3.511 | 7.767 | 14.662 |+| ta_p15_up60dn40 | 7.268 | 7.987 | 7.624 | 4.648 | 8.159 | 3.511 | 7.767 | 14.518 |++（坐标三项 d2_shape/occupancy_dice/scale_log_ratio 全程不动——所有机制只改表达，坐标逐位保持。）++## 为什么判无效（PLAN 方向被证否）++1. **PLAN 的 α_up 下调方向单调劣化**：α_up 5→4.5→4.0，board 61.45→61.37→61.22 单调下降；mmd_u 几乎不动+   （−0.00001~−0.00005，远低于 GATE1 要求的 0.0003 降幅），而 variogram(+0.00027~+0.00062) 与+   neighborhood(+0.00039~+0.00090) 单调恶化。**PLAN 自己的 abort 判据（"mmd_u 未改善而 neighborhood 恶化 → α 降低方向错误，立即终止"）已触发。** DETFIX 的"真值更保守"推论不能通过降低 up-DE 位移兑现为 mmd_u 改善。+2. **反方向（α_up 上调）只是重找对称 α 峰**：α_up↑ 改善 variogram/nbrhood 但加速劣化 mmd_u（与父节点对称 α 扫描同构）；+   全表最佳 up60_dn40（α_up=6/α_down=4）+0.10，是父节点已测对称 α≈5.5–6 峰（+0.037）的另一种参数化，**在 1 分 T2 噪声内**，+   远低于 GATE2 的 +1.0，B 半不会兑现。+3. **没有任何非对称点打破 mmd_u↔压缩张力**：up-DE 基因占 1512/1664，主导压缩对 variogram/nbrhood 的收益与对 mmd_u 的代价，+   非对称缩放只是沿同一前沿移动，不产生净收益。++## 备选机制（同弱项，亦被证否）：per-type 自适应 α++假设：全局 α 对端点已接近的类型（‖Δ_type‖ 小、双峰弱）过度压缩，破坏其自然型内方差 → mmd_u 瓶颈。+按 `α_type = α·clip((‖Δ_type‖/median)^p, 0.6, 1.6)`（‖Δ_type‖ = DE-thresholded Δ 的 L2 范数，纯数据导出）逐类型缩放。+实测各型范数近乎均匀（r=0.62–1.20，多数 0.95–1.05），故扰动很小：+- ta_p15（p=+1.5，远端多压）：board −0.11，mmd_u −0.00007（flat）；+- ta_pn15（p=−1.5，远端少压）：board −0.41，mmd_u +0.00092（恶化）；+- ta_p15_up60dn40（p=+1.5 叠最佳非对称）：board +0.03，mmd_u −0.00015（改善但仅 GATE1 阈值一半），净仍噪声内。+备选机制同样落在噪声内，无可交的正收益版本。++## --ablate 对照++`--ablate mechanism` 强制 α_up=α_down=α、TYPEADAPT_P=0、SPREAD_KAPPA=0、DETFIX_FRAC=0，+输出与父节点 24 逐位相同（array_equal 验证 X 与 spatial_3D）。提交默认即此状态 → **mechanism_active = no**（诚实：机制被证否、默认不激活）。  ## 知识来源 -无外部生物学知识条目：质心、Δ、频率、尺度全部由程序从视图 manifest 给出的两个括号输入现场计算（与父节点一致）。PLAN sources=[]，本节点未新增。+无。本节点是纯参数/机制搜索，只使用从视图输入现场计算的量（type_means、Δ=μ_b−μ_a、‖Δ_type‖、相对时间 t），+不写入任何保留阶段/基因型的测量值、细胞类型清单、比例或表达量；不使用文献/检索/记忆中的发育数值。 -## 给后续节点的建议+## 结论与给后续节点的建议 -- 型内散布压缩（选择侧或数值侧）路线关闭：variogram 可得收益上限实测 ≈ +0.2 pts，恒被 neighborhood/de 附带损失吞掉（节点 15/17/19/21/32 五次独立证伪）。-- **不要**把任何统计量朝「括号线性插值目标」方向修（DETFIX −3.8 实证）：真实中间阶段在 up-DE 基因上比线性插值更「早」。反方向（比父节点更多压缩/更早状态）没有测过——若要继续动 cell_state，可试把 α 提到 6–8 或 β 提到 0.5 同时监控 nbrhd 否决线，但预期同样是净 ≈0。-- occupancy_dice（skill 0.42）与坐标侧继续判死（节点 13/21/22/24/32）。-- 本榜 62.5 平台大概率是 mix 家族的真实上限；建议把火力转向 heart 榜（外推本地尺子高估，需同日锚点比较）。+- **非对称收敛强度（up-DE α 拆分，双向）与 per-type 自适应 α 均判无效**：13 组同日 A 半查分，全部在锚点 ±0.4 内，+  最佳 +0.10（噪声）。这是 mix 家族在 embryo:val_interp 上 cell_state/variogram 弱项的第 6/7 次证伪+  （父节点已列选择侧 5 连败、坐标侧 5 连败、数值侧 variance_restore/recolor/DETFIX/对称α/β 均失败）。+- **62.5 大概率是本榜 mix 家族平台**。mmd_u 瓶颈是 mix 固有的型内端点双峰：位移幅度类机制（对称/非对称/自适应 α、β）+  无法在不做平均（会塌 variogram/mmd_u）的前提下消除双峰。DETFIX 已证"朝插值目标修复统计量"反向恶化。+- **不建议**后续在本榜继续 cell_state/variogram 方向的位移幅度微调；若仍要动，需换结构性机制+  （如型内真实细胞的非平均式重排，或完全不同的解码），并必须同日锚点比较 + 多 seed 验证方能区分噪声。+- **建议**把火力转向 heart 两榜（尤其外推榜，需同日锚点，本地尺子已知高估），复用本树 mix+收敛管线作起点。diff --git a/solution/README.md b/solution/README.mdindex 1f4bf10..13d4e59 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,14 +1,20 @@-# mix + 表达收敛管线 + 各向异性PCA坐标整形（T2:embryo:val_interp）+# mix + 表达收敛管线（T2:embryo:val_interp）— node 33 NO_CHANGE -继承父节点 24 的全部管线（mix 分层混抽、procrustes3d 对齐、α=5 类型级收敛位移、λ=6 投影加权、+继承父节点 24/32 的全部管线（mix 分层混抽、procrustes3d 对齐、α=5 类型级收敛位移、λ=6 投影加权、 β=0.2 型内配对中点收缩、aniso 坐标整形、jitter、RMS 回缩）。本节点按 PLAN（T2EI-01）新增两个 默认关闭的机制开关，均被同日 A 半查分证否（详见 METHOD.md）： -- `T2_SPREAD_KAPPA`（型内质心距离控制交换，含 `T2_SPREAD_DIST_MODE=de`、`T2_SPREAD_RAD_MULT`-  空间受限解码）：7 种解码全部净负（+0.013 至 −0.85，锚点 61.453）；variogram 收益上限 +0.21 pts，-  被 neighborhood/de_direction 损失吞掉。-- `T2_DETFIX_FRAC`（up-DE 基因检出频率向括号插值目标恢复）：净 −3.80，variogram raw 恶化 78%；-  证明线性插值目标系统性高估真实中间阶段。+- `T2_CONVERGE_ALPHA_UP` / `T2_CONVERGE_ALPHA_DOWN`（**非对称收敛强度**：up-DE 基因 Δ≥0.25 用 α_up，+  down-DE Δ≤−0.25 用 α_down，逐基因缩放位移，w/λ 投影仍用真实 Δ）：PLAN 假设降 α_up 改善 mmd_u。+  实测 9 组（α_up 3–8 × α_down 4–6）：α_up 下调单调劣化（board 61.45→61.22，mmd_u flat，+  variogram/nbrhood 恶化，触发 PLAN abort 判据）；α_up 上调只重找对称 α≈5.5–6 峰，最佳+  α_up=6/α_down=4 仅 +0.10（≪1 分噪声）。全部 GATE1/GATE2 fail。+- `T2_TYPEADAPT_P`（**备选机制：per-type 自适应 α**，按 ‖Δ_type‖/median 缩放各型 α）：3 组+  （p=±1.5、p=1.5 叠最佳非对称）全部噪声内，最佳 +0.03。 -提交默认两开关均为 0，seed 0 输出与父节点 24 逐位相同；`--ablate mechanism`（任意名）同样逐位-复现父节点。METHOD.md 首行为 NO_CHANGE。+提交默认 `ALPHA_UP=ALPHA_DOWN=5.0`、`TYPEADAPT_P=0`（另 `SPREAD_KAPPA=0`、`DETFIX_FRAC=0` 继承父节点），+seed 0 输出与父节点 24/32 逐位相同；`--ablate mechanism`（任意名）强制该状态，同样逐位复现父节点+（mechanism_active = no）。METHOD.md 首行为 NO_CHANGE。++坐标三项（d2_shape/occupancy_dice/scale_log_ratio）全程不动——所有机制只改表达。程序视图无关+（t 由 interp_bracket 相对时间导出，无绝对时间/视图检测/硬编码阶段名），seed 确定。diff --git a/solution/run.py b/solution/run.pyindex 38aff2f..9337896 100644--- a/solution/run.py+++ b/solution/run.py@@ -74,6 +74,34 @@ CONVERGE_NNZ_ONLY = os.environ.get("T2_CONVERGE_NNZ_ONLY", "1") == "1" # it. λ = 0 gives w ≡ 1 and reproduces the constant-shift parent bit-for-bit. CONVERGE_LAMBDA = float(os.environ.get("T2_CONVERGE_LAMBDA", "6.0")) CONVERGE_EPS = float(os.environ.get("T2_CONVERGE_EPS", "1.0"))+# Asymmetric convergence strength by gene temporal direction (family T2EI-01, this+# node): the DETFIX experiment (node 32) showed the true intermediate stage is+# MORE CONSERVATIVE than the bracket-linear target on up-DE genes, so a symmetric+# α over-shoots them. Split the per-gene convergence magnitude: up-DE genes+# (Δ_g ≥ +CONVERGE_MIN_DELTA) get α_up, down-DE genes (Δ_g ≤ −MIN_DELTA) get+# α_down, mid genes (Δ_g = 0) are untouched either way. Implemented as a per-gene+# scale on the Δ used in the displacement (α_up/α, α_down/α), so the projection+# weight w (λ) and the pairing (β) still operate on the true Δ direction. When+# α_up = α_down = α the scale is exactly 1 everywhere and the parent node 24 is+# reproduced bit-for-bit. --ablate mechanism forces α_up = α_down = α.+CONVERGE_ALPHA_UP = float(os.environ.get("T2_CONVERGE_ALPHA_UP", "5.0"))+CONVERGE_ALPHA_DOWN = float(os.environ.get("T2_CONVERGE_ALPHA_DOWN", "5.0"))+# Per-type adaptive convergence strength (ALTERNATE mechanism, family T2EI-01,+# this node): a single global α over-compresses types whose two endpoints are+# already close (small temporal change ‖Δ_type‖, little endpoint bimodality) and+# under-compresses types whose endpoints are far apart. Over-compressing an+# already-intermediate type collapses its natural within-type variance toward a+# point, which the truth's distribution does not have — a plausible driver of the+# mmd_u bottleneck (skill 0.61). Scale each type's α by its measured endpoint+# separation relative to the median over shared types:+#   α_type = α · clip((‖Δ_type‖ / median‖Δ‖)^p, lo, hi)+# with p = TYPEADAPT_P (0 → uniform, reproduces the parent). ‖Δ_type‖ is the L2+# norm of the DE-thresholded Δ (the direction the shift already moves along), so+# no held-out information is used. Applied on top of the direction split above+# (α_type replaces α in scale_up/scale_down per type).+TYPEADAPT_P = float(os.environ.get("T2_TYPEADAPT_P", "0.0"))+TYPEADAPT_LO = float(os.environ.get("T2_TYPEADAPT_LO", "0.6"))+TYPEADAPT_HI = float(os.environ.get("T2_TYPEADAPT_HI", "1.6")) # Within-type NN pairing midpoint shrinkage (family T2EI-01 refine, this node): # after the λ-weighted displacement, for every shared type with ≥PAIR_MIN_CELLS # cells on both output sides, greedily match each a-side cell to its nearest@@ -1014,9 +1042,17 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float):     xa = as_dense(stage_a.X, ia) if ia.size else np.zeros((0, len(stage_a.genes)), np.float32)     xb = as_dense(stage_b.X, ib) if ib.size else np.zeros((0, len(stage_b.genes)), np.float32) +    scale_up = CONVERGE_ALPHA_UP / alpha if alpha != 0.0 else 1.0+    scale_down = CONVERGE_ALPHA_DOWN / alpha if alpha != 0.0 else 1.0     conv = {"alpha": alpha, "n_shared_types_converged": 0, "within_type_std_rel": None,             "between_type_mean_dist_rel": None, "lambda": CONVERGE_LAMBDA,-            "weight_mean": None, "weight_std": None}+            "weight_mean": None, "weight_std": None,+            "alpha_up": CONVERGE_ALPHA_UP, "alpha_down": CONVERGE_ALPHA_DOWN,+             "scale_up": scale_up, "scale_down": scale_down,+             "disp_up_per_cellgene": None, "disp_down_per_cellgene": None,+             "n_up_genes": 0, "n_down_genes": 0,+             "typeadapt_p": TYPEADAPT_P, "typeadapt_min": None,+             "typeadapt_max": None, "typeadapt_mean": None}     if alpha != 0.0 and ia.size and ib.size:         if not shared:             means_a, means_b, shared, delta = compute_delta(stage_a, stage_b, 10)@@ -1025,10 +1061,28 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float):             labs_a = np.asarray(stage_a.labels).astype(str)[ia]             labs_b = np.asarray(stage_b.labels).astype(str)[ib]             all_w = []--            def _shift(block, c, d, mu, wsign):+            # asymmetric-α evidence accumulators: total |applied displacement| on+            # up-DE (Δ_g>0) and down-DE (Δ_g<0) genes, over all shifted cells.+            disp = {"up_sum": 0.0, "up_cnt": 0, "down_sum": 0.0, "down_cnt": 0,+                    "n_up": 0, "n_down": 0}+            # Per-type adaptive α (ALTERNATE mechanism): scale each type's α by its+            # endpoint separation ‖Δ_type‖ relative to the median over shared types.+            # tadapt = 1 for every type when TYPEADAPT_P = 0 (bit-identical).+            type_tadapt = {}+            if TYPEADAPT_P != 0.0:+                norms = {lab: float(np.linalg.norm(delta[lab].astype(np.float64))) for lab in shared}+                nvals = list(norms.values())+                med = float(np.median(nvals)) if nvals else 0.0+                for lab in shared:+                    r = (norms[lab] / med) if med > 0.0 else 1.0+                    type_tadapt[lab] = float(np.clip(r ** TYPEADAPT_P, TYPEADAPT_LO, TYPEADAPT_HI))++            def _shift(block, c, d, mu, wsign, d_scaled, up_mask, down_mask):                 # Per-cell weighted displacement: scale each cell's shift by how-                # far it already sits along Δ from its own side's type mean.+                # far it already sits along Δ from its own side's type mean. The+                # magnitude is split per gene direction: d_scaled = d · asym, with+                # asym = α_up/α on up-DE genes, α_down/α on down-DE genes (this+                # node's mechanism). w (λ projection) still uses the true Δ.                 if CONVERGE_LAMBDA != 0.0:                     m = d != 0                     if m.any():@@ -1041,23 +1095,44 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float):                 else:                     w = np.ones(block.shape[0])                 all_w.append(w)-                out = np.clip(block + (np.float32(c) * w.astype(np.float32))[:, None] * d, 0.0, None)+                out = np.clip(block + (np.float32(c) * w.astype(np.float32))[:, None] * d_scaled, 0.0, None)                 if CONVERGE_NNZ_ONLY:-                    return np.where(block > 0, out, block)-                return out+                    applied = np.where(block > 0, out, block)+                else:+                    applied = out+                diff = np.abs(applied.astype(np.float64) - block.astype(np.float64))+                nb = int(block.shape[0])+                disp["up_sum"] += float(diff[:, up_mask].sum()); disp["up_cnt"] += int(up_mask.sum()) * nb+                disp["down_sum"] += float(diff[:, down_mask].sum()); disp["down_cnt"] += int(down_mask.sum()) * nb+                return applied              for lab in shared:                 d = delta[lab]+                up_mask = d > 0+                down_mask = d < 0+                disp["n_up"] += int(up_mask.sum()); disp["n_down"] += int(down_mask.sum())+                tad = float(type_tadapt.get(lab, 1.0))+                asym = np.ones_like(d, dtype=np.float32)+                asym[up_mask] = np.float32(scale_up * tad)+                asym[down_mask] = np.float32(scale_down * tad)+                d_scaled = (d * asym).astype(np.float32)                 ma = labs_a == lab                 if ma.any():-                    xa[ma] = _shift(xa[ma], alpha * t, d, means_a[lab], -1.0)+                    xa[ma] = _shift(xa[ma], alpha * t, d, means_a[lab], -1.0, d_scaled, up_mask, down_mask)                 mb = labs_b == lab                 if mb.any():-                    xb[mb] = _shift(xb[mb], -alpha * (1.0 - t), d, means_b[lab], +1.0)+                    xb[mb] = _shift(xb[mb], -alpha * (1.0 - t), d, means_b[lab], +1.0, d_scaled, up_mask, down_mask)             if all_w:                 wcat = np.concatenate(all_w)                 conv["weight_mean"] = float(wcat.mean())                 conv["weight_std"] = float(wcat.std())+            conv["disp_up_per_cellgene"] = (disp["up_sum"] / disp["up_cnt"]) if disp["up_cnt"] else None+            conv["disp_down_per_cellgene"] = (disp["down_sum"] / disp["down_cnt"]) if disp["down_cnt"] else None+            conv["n_up_genes"] = disp["n_up"]; conv["n_down_genes"] = disp["n_down"]+            if type_tadapt:+                tv = list(type_tadapt.values())+                conv["typeadapt_min"] = float(min(tv)); conv["typeadapt_max"] = float(max(tv))+                conv["typeadapt_mean"] = float(np.mean(tv))             after = np.vstack([xa, xb]).astype(np.float64)             # mechanism evidence: within-type std and between-type mean distance             labs = np.concatenate([labs_a, labs_b])@@ -1242,12 +1317,15 @@ def main() -> None:     args = parser.parse_args()      if args.ablate is not None:-        # Mechanism-off control: disable this node's new mechanisms (the-        # centroid-distance swap and the detection-frequency restoration; any-        # name is treated as this node's main mechanism), leaving every other-        # step, the seed and the output format untouched so the output is-        # bit-identical to parent node 24.-        global SPREAD_KAPPA, DETFIX_FRAC+        # Mechanism-off control (PLAN mechanism_off_control): force the symmetric+        # convergence α_up = α_down = α so the per-gene scale is exactly 1 and the+        # asymmetric split is skipped, leaving every other step, the seed and the+        # output format untouched. Any name is treated as this node's mechanism.+        # Output is bit-identical to parent node 24 (verified via array_equal).+        global CONVERGE_ALPHA_UP, CONVERGE_ALPHA_DOWN, SPREAD_KAPPA, DETFIX_FRAC, TYPEADAPT_P+        CONVERGE_ALPHA_UP = CONVERGE_ALPHA+        CONVERGE_ALPHA_DOWN = CONVERGE_ALPHA+        TYPEADAPT_P = 0.0         SPREAD_KAPPA = 0.0         DETFIX_FRAC = 0.0 @@ -1265,9 +1343,13 @@ def main() -> None:     params = board_params(manifest, "mix", PARAMS, args.seed)     expr, coords, info = mix_converge(stage_a, stage_b, t, params, CONVERGE_ALPHA)     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",+                                      "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",+                                       "alpha_up", "alpha_down", "scale_up", "scale_down",+                                       "disp_up_per_cellgene", "disp_down_per_cellgene",+                                       "n_up_genes", "n_down_genes",+                                       "typeadapt_p", "typeadapt_min", "typeadapt_max", "typeadapt_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_boost", "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

## 完成总结

**做了什么**：按 PLAN 实现非对称收敛强度（up-DE 基因 α_up、down-DE 基因 α_down，逐基因缩放位移，λ 投影仍用真实 Δ），加 `--ablate mechanism` 对照与证据字段；证否后又实现同弱项备选机制 per-type 自适应 α（按 ‖Δ_type‖/median 缩放）。全部默认关闭，seed 0 输出与父节点 24/32 逐位相同，通过 vec-check，视图无关（t 由相对时间导出）、seed 确定。

**查分结果**（同日 A 半，锚点 61.4533，用 14/20 次）：
- PLAN 的 α_up 下调方向**单调劣化**：5→4.5→4.0，board 61.45→61.37→61.22，mmd_u 几乎不动（−0.00001~−0.00005，远低于 GATE1 要求的 0.0003），variogram/nbrhood 单调恶化——**触发 PLAN 自身 abort 判据**。
- 反方向 α_up 上调只重找对称 α≈5.5–6 峰，全表最佳 up60_dn40 **+0.10（≪1 分噪声）**，GATE2(+1.0) fail。
- 备选 per-type 自适应 α 3 组全部噪声内（最佳 +0.03）。
- 坐标三项全程不动；提交默认 mechanism_active=no（诚实：机制被证否）。

**结论**：NO_CHANGE。非对称 α（双向）与 per-type 自适应 α 均判无效，是 mix 家族在本榜 cell_state/variogram 弱项的第 6/7 次证伪。mmd_u 瓶颈是 mix 固有的型内端点双峰，位移幅度类机制无法在不做平均（会塌 variogram/mmd_u）的前提下消除它。

**下一步最值得试**：停止在 embryo:val_interp 上做位移幅度微调；把火力转向 heart 两榜（尤其外推榜，需同日锚点、本地尺子已知高估），复用本树 mix+收敛管线作起点。若仍要动本榜 cell_state，需换结构性机制（非平均式的型内真实细胞重排，或完全不同的解码），且必须同日锚点+多 seed 才能区分噪声。

调研员

'（检出频率缺口 0.087→0.023 修复后反而大幅恶化）。当前 α=5 对 up-DE 与 down-DE 基因施加对称位移，系统性高估了 up-DE 基因的中间态表达。mmd_u skill 0.617（raw 0.01123）是表达分布组的主要瓶颈；DETFIX 方向性失败提示减小 up-DE 位移可改善 mmd_u 而不损 neighborhood（α 扫描显示两者此消彼长的根源可能是 up-DE 过冲）。父节点 ANALYSIS 明确建议'α 降到 4–4.5 或减小 up-DE 位移幅度'作为唯一未试方向。",
  "approach": "在父节点 32 代码（α=5, λ=6, β=0.2, aniso, jitter, RMS 回缩全部保留）的 converge 步骤中，将位移按基因方向拆分：对 Δ_g≥0.25（up-DE）的基因用 α_up，对 Δ_g≤−0.25（down-DE）的基因用 α_down。实现：在计算 w·α·t·Δ 时，按 sign(Δ_g) 选取不同 α。搜索网格：α_up ∈ {3.0, 3.5, 4.0, 4.5}，α_down ∈ {5.0, 5.5, 6.0}，共 12 组合。先跑 α_up=4.0/α_down=5.0 与 α_up=4.5/α_down=5.0 两个点做同日锚点比较（锚点 = 本节点代码 α_up=α_down=5.0），确认方向后再扩展。判定标准：(1) mmd_u raw 下降 ≥0.0003 且 neighborhood_mmd raw 恶化 <0.001；(2) 净榜分超锚点 +1.0（>噪声）。若 α_up=4.5/α_down=5.0 已满足则不必扫全网格。单输入阶段退路：无括号时 fallback 到 copy_last，机制不触发。vec-score 查分用 A 半，每次查分前确认 α_up=α_down=5 时输出与父节点 24 逐位一致（array_equal）。预计 4–6 次查分。",
  "expected_groups": ["cell_state", "expression_change"],
  "risks": "1) α 降低可能同时减弱 neighborhood/variogram 的改善（α 扫描显示它们随 α 单调改善），净效应仍为零——Engineer 应在第一次查分后对比 mmd_u 降幅与 nbrhd 升幅，若 mmd_u 改善 <0.0002 立即停止；2) 改善幅度可能 <1 分噪声，需同日锚点重复验证（跑锚点 2 次确认方差）；3) λ=6 的投影加权可能与 α 缩减产生交互（w clip 下界 0.2 使极端细胞仍大幅移动），若首次结果噪声内可试 λ=4 配合。",
  "family_id": "T2EI-01",
  "mechanism": "将 per-type 收敛位移按基因时间变化方向拆分为非对称强度：up-DE 基因（Δ≥0.25）用较小 α_up（3–4.5），down-DE 基因（Δ≤−0.25）保持或略增 α_down（5–6）。依据：DETFIX 实验证明真值在 up-DE 方向上比线性插值更保守，当前对称 α=5 系统性过冲。",
  "vs_constant_shift": "不是每型一个常向量：位移仍是逐细胞的（λ 投影加权）、逐基因方向异号的，且本次新增按 sign(Δ_g) 的非对称缩放——同一类型内 up-DE 基因和 down-DE 基因走不同步长，这不是全局组成重加权能实现的。",
  "mechanism_evidence": "Engineer 应记录：(1) up-DE 基因子集上的 per-cell 平均位移量（α_up=4 vs 5 应缩减 ~20%）；(2) mmd_u raw 变化（预期下降，因为过冲减少）；(3) neighborhood_mmd raw 变化（预期微升或不变，因为坐标未动）；(4) de_direction raw（预期不变或微升，排序未变、幅度更准）；(5) 四组分各自变化。若 mmd_u 未改善而 neighborhood 恶化，说明 α 降低方向错误，立即终止。",
  "mechanism_off_control": "设 α_up=α_down=5.0（即 T2_CONVERGE_ALPHA_UP=5.0, T2_CONVERGE_ALPHA_DOWN=5.0），代码路径完全相同但不产生非对称性，输出应与父节点 24 逐位一致（array_equal 验证 X 与 spatial_3D）。--ablate mechanism 同样置两 α 为 5 并跳过非对称逻辑，预期差别为零。",
  "sources": []
}