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

节点 n38

对输出中 |δ|≥0.25 且 |dp|≥0.3 的 51 个 DE 基因，把伪批量变化 dp 线性收缩 25%（逐列精确缩放），校准细胞状态分布幅度；PLAN 的向 δ 对齐重标定经 add/mul 两种解码证否。

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 9b9efbb332: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 2e90cead81。改动的文件：solution/METHOD.md +66 −116、solution/README.md +10 −10、solution/run.py +225 −14

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 181bbcb..0ca21b2 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,116 +1,66 @@-残差核二次扩散（PLAN）被 7 种解码证否；改交备选：不对称相关扩散 η_a=1.5/η_b=0.15，b 侧保护近目标细胞的表达-位置配对；--ablate 逐位还原节点 31。--# 节点 36（improve，父 31，family T2EI-01，board T2:embryo:val_interp）--## 提交的方法（备选机制：不对称侧别相关扩散 ASYM-η + a 侧强度提升）--父节点 31 管线原样保留：mix 分层混抽 (1−t,t) + procrustes3d 对齐 + 阻尼 log-RMS 缩放-+ 逐类型收敛位移（α=5、λ=6 投影加权、软阈值 w=clip(|Δ|/0.25,0,1)、nnz-only、clip≥0）-+ β=0.2 型内配对收缩 + 各向异性坐标整形 + 一步基因相关扩散-Δ' = renorm(Δ + η·C·Δ)（C = 括号两阶段全细胞基因-基因 Pearson 相关，对角 0，支持集 |Δ|≥0.15）。--本节点提交的改动（唯一生效的新机制，全部在 Δ 的方向校正步内）：--1. **侧别不对称 η（PROJ_ASYM=0.9）**：a 侧（远目标，位移 +α·t·Δ'）用全量扩散，-   b 侧（紧邻目标，位移 −α·(1−t)·Δ'）用 η_b = η_a·(1−asym) = 0.15。-   机制假设：b 侧细胞本来就近似目标状态，其"实测 Δ + 原始表达-位置配对"信息量高，-   强扩散会抹掉配对结构；a 侧离目标远、需要更多组织级协同程序来外推。-   该组件已被兄弟节点 34 在计分板 B 半验证（63.07→63.23）。-2. **a 侧强度提升（PROJ_ETA=1.5）**：b 侧被保护后，a 侧 η 的平台从对称情形的 1.0-   向上延展：η_a∈[1.0,1.5] 在 A 半两种子上都平坦（62.36/61.89 vs 62.38/61.91），-   提交 η_a=1.5（平台内，非尖峰；本节点预测内容与节点 34 不同，非重复候选）。--`--ablate mechanism` 一键还原父节点 31 的全部默认（η=1 对称、无第二步、无 sharpen、无 gate），-**实测 seed 0 与 seed 1 的 h5ad sha256 与改动前父节点代码的输出逐字节一致**-（seed0: 75090e27…, seed1: c7440408…）。--代码里还保留三个已实现、已证否、默认关闭的开关（供后续节点复用，均有 env 变量）：-CORRPROJ-2step（T2_PROJ_ETA2/PROJ2_KERNEL/PROJ2_SIDES）、核软化锐化（T2_CSHARP_THETA）、-clip 感知门控再扩散（T2_CLIPGATE_KAPPA/POOL）。默认值下这些代码块被 `if` 短路，不参与输出。--## PLAN 机制（CORRPROJ-2step）的证否记录--PLAN：位移后输出细胞重算相关核 C_resid，Δ''=renorm(Δ'+η2·C_resid·Δ')（支持集 |Δ'|≥0.15）。-实现完全按 PLAN（范数保持、支持集、全细胞核、位移管线复用），机制证据齐全：-cos(Δ',Δ'') 均值 0.904–0.930（η2=0.25–1.0，落在 PLAN 预期的 0.5–1 转动带）、-每型 ~482/498 基因被改动、pass-A 位移后 max 26.1 / nnz 0.0567（无爆炸，护栏有效）。--**A 半 seed 0 查分表（父节点 31 基线 = 62.06；形状组三项所有配置逐位相同，坐标未动）**：--| # | 配置 | 榜分 | nbhd raw | variogram raw | mmd_u raw | de_score | de_dir |-|---|---|---|---|---|---|---|---|-| 1 | 父 31 基线（η=1 对称） | 62.06 | 0.05158 | 0.013474 | 0.01222 | 0.2857 | 0.3813 |-| 2 | 2step 池化核 η2=0.25 | 61.41 | 0.05569 | 0.013947 | 0.01197 | 0.25 | 0.3863 |-| 3 | 2step 池化核 η2=0.5 | 61.27 | 0.05624 | 0.014161 | 0.01208 | 0.25 | 0.3854 |-| 4 | 2step 池化核 η2=0.75 | 61.22 | 0.05637 | 0.014252 | 0.01213 | 0.25 | 0.3851 |-| 5 | 2step 池化核 η2=1.0 | 61.36 | 0.05647 | 0.014307 | 0.01215 | 0.2857 | 0.3845 |-| 6 | 2step 型内残差核 η2=1.0 | 61.84 | 0.05143 | 0.013534 | 0.01322 | 0.2857 | 0.3841 |-| 7 | 2step blend 核 η2=1.0 | 61.66 | 0.05368 | 0.013817 | 0.01196 | — | — |-| 8 | asym0.85 + 2step 型内核 a 侧 η2=1 | 62.31 | 0.05119 | 0.013475 | 0.01155 | 0.2857 | 0.3873 |-| 9 | asym1.0 + 2step 型内核 a 侧 η2=1 | 62.08 | 0.05234 | 0.014368 | 0.01154 | 0.2857 | 0.4042 |-| 18 | 同 #8，seed 1 | 61.59 | 0.05199 | 0.014051 | 0.01135 | 0.25 | 0.3808 |--结论（满足 ≥3 解码、≥6 查分门槛；共 7 种二次扩散解码、9 次相关查分全部 ≤ 父节点或 ≤ 同 asym 无第二步）：--- **池化 C_resid 与括号核 C 相关性 0.78、‖C_resid‖_F=‖C‖_F=31.9**：第二步实质上是用同一个核-  再扩散一次（等效 η_total>1，越过第一步 η=1 的平台），导致过度收敛：-  型内 std 相对值 0.912→0.890、nnz 0.0567→0.0587，nbhd/variogram 随 η2 单调劣化。-- **型内残差核（新信息，与 C 相关仅 0.49、范数 11.7）**：转动太小不足以帮忙，-  且把 mmd_u 打坏（0.01222→0.01322）；叠在 asym 上两种子均 −0.05/−0.30。-- PLAN 预设的送查分门槛（nbhd、variogram 同时优于父）没有任何一个解码达到过。--## 备选机制搜索记录（同一弱项：cell_state / local_spatial）--| # | 配置（seed 0，A 半） | 榜分 | nbhd | variogram | mmd_u |-|---|---|---|---|---|---|-| 11 | asym=0.7（η_b=0.3） | 62.28 | 0.05079 | 0.013362 | 0.01183 |-| 6' | **asym=0.85（η_b=0.15）** | **62.36** | 0.05066 | 0.013420 | 0.01161 |-| 8' | asym=1.0（η_b=0，b 侧不扩散） | 61.20 | 0.05540 | 0.014745 | 0.01362 |-| 13 | asym85 + 核锐化 θ=0.15 | 62.05 | 0.05060 | 0.014420 | 0.01199 |-| 14 | asym85 + 核锐化 θ=0.30 | 61.99 | 0.05004 | 0.014351 | 0.01183 |-| 15 | asym85 + clipgate κ=1（父建议#2） | 61.87 | 0.05132 | 0.013530 | 0.01265 |-| 19 | **asym=0.9 + η_a=1.5（η_b=0.15，提交）** | **62.38** | 0.05053 | 0.013424 | 0.01165 |--- asym 轴：0.7≈0.85＞1.0（悬崖）；η_b=0.15 附近是平台，η_b=0 崩塌 → b 侧需要少量扩散。-- 核锐化把 nbhd 压到全表最低（0.05004）但 variogram 同步变差，净 −0.3～−0.4，不取。-- clipgate（clip 感知门控再扩散，父 ANALYSIS 建议 #2）：b 侧 clip 率均值 0.30、61% 基因 >0.05，-  门控后 de_score 掉档、nbhd 变差，净 −0.49，不取。-- **种子稳定性（A 半）**：父 62.06/61.55（均值 61.81）；asym85（η_a=1）62.36/61.89（62.13）；-  提交配置（η_a=1.5）62.38/61.91（**62.14，+0.33 对父**）。两种子同向，非单 seed 尖峰。--## 机制生效证据（提交配置 vs 父 31，A 半）--- **改动了哪些细胞**：a 侧 3000 个细胞的位移方向被更强的相关扩散转动-  （cos(Δ,Δ') 均值 0.855 vs 父 0.862），b 侧 2000 个细胞几乎保留实测 Δ-  （η_b=0.15，cos≈0.99）；坐标、细胞选择、抽样全部与父逐位相同（形状组三项 raw 不变）。-- **四组分变化（seed 0/1）**：local_spatial：nbhd raw 0.05158→0.05053 / 0.05201→0.05060（两种子均改善，-  25 分权重项）；cell_state：mmd_u 0.01222→0.01165 / 0.01173→0.01114（改善），variogram ≈持平-  （0.013474→0.013424 / 0.013803→0.013816）；expression_change：de_score raw 档位 0.2857/0.25 跳动-  （A 半小样本 1/N 粒度，父 ANALYSIS 已证明不可外推，不作优化目标）；shape_scale：逐位不变（设计如此）。-- **对照**：`--ablate mechanism` 输出与父节点 31 输出逐字节相同（两种子 sha256 一致，见上），-  机制开启/关闭的内容差 = 全部榜分差的来源；预期 harness 记 mechanism_active=yes。--## 验证过 / 未验证--验证过：proxy A 半 20 次查分（上表）；seed 0/1/7 确定性；`--ablate` 两种子逐位还原父节点；-伪装视图（时间整体 +1 天、manifest 键序打乱、路径更换）输出与真实视图逐字节一致（view 无关）；-单输入阶段视图回退路径可跑且过 vec-check；vec-check 通过；运行时 2.1s / 峰值 0.61 GB（限额 30min/28GB）。--未验证：B 半与 final 视图（真实括号、t=1/3、共有类型更多）——η_a=1.5 的平台只在代理括号上验证，-若 final 上 a 侧过转动，η_a 回到 1.0（=节点 34 组件）是安全回退；asym 悬崖在 0.85–1.0 之间，-不要在此区间外推；proxy2 类两阶段外部输入未测（本榜视图无此输入）。--## 生物学知识来源--无外部生物学知识条目。相关核、类型均值、Δ、clip 率全部由视图内已发布阶段-（E6.75、E8.0，均在 T2 全胚允许范围）现场计算；未使用任何保留阶段/保留基因型信息、-未读 prior/、未用 external/（本视图为空）。方法族为纯数据驱动的共变方向校正（继承节点 27/31/34）。--## 复现--```bash-python solution/run.py --data <view> --out pred.h5ad --seed 0            # 提交配置-python solution/run.py --data <view> --out pred.h5ad --seed 0 --ablate mechanism  # = 节点 31-# 证否网格：T2_PROJ_ETA2=0.25..1.0（池化）；T2_PROJ2_KERNEL=within|blend；-# T2_PROJ2_SIDES=a；T2_CSHARP_THETA=0.15|0.3；T2_CLIPGATE_KAPPA=1；T2_PROJ_ASYM=0.7|0.85|0.9|1.0-```+对输出中 |δ|≥0.25 且 |dp|≥0.3 的 51 个 DE 基因，把伪批量变化 dp 线性收缩 25%（逐列精确缩放），校准细胞状态分布幅度；PLAN 的向 δ 对齐重标定经 add/mul 两种解码证否。++## 方法++父节点 36 管线全部原样保留（mix 混抽 + procrustes3d + 阻尼 log-RMS + α=5 逐类型收敛位移 + λ=6 投影加权 + 软阈值 + β=0.2 配对收缩 + CORRPROJ 不对称相关扩散 η_a=1.5/η_b=0.15 + 各向异性坐标整形）。本节点在其后、写出前新增一步 **RECAL（DE 幅度校准）**：++- 计算括号伪批量 pb_a、pb_b（全细胞逐基因均值）、δ = t·(pb_b − pb_a)、当前输出变化 dp = pb_out − pb_a（全部运行时从视图输入算出，无硬编码常数）。+- 支持集：DE 基因 |δ_g| ≥ 0.25 **且** |dp_g| ≥ 0.3（本视图 498 基因中 51 个）。+- 修正：dp_g ← (1−γ)·dp_g，γ = 0.25。实现为逐列乘性缩放 k_g = 1 − γ·dp_g/pb_out_g（在 pb 上精确；零/非零模式、基因内细胞排序与相对分布、逐基因 pb 记账都保持；坐标完全不动 → 形状组按构造逐位不变）。+- 单输入阶段退路（无括号）在更早的分支返回，不经过本步；γ=0 时本步为恒等变换。+- `--ablate mechanism` → γ=0（其余父节点默认全部保留）：输出与父节点 36 seed 0 **逐位一致**（sha256 c3aa2ed5…，本地已验证）。++## 机制生效的证据++- 改变的细胞/基因：全部 5000 个输出细胞的 51 个 DE 基因列被乘性缩放（k_g ≈ 0.93–0.98，随 dp_g/pb_out_g 变化）；零值模式逐位不变（nzfrac 前后相同），坐标逐位不变。+- proxy A 半三种子（同流程父节点对照）：++| seed | 父 36 | 本节点 | Δ | variogram raw | mmd_u raw | nbhd raw | de_score raw | de_dir raw |+|---|---|---|---|---|---|---|---|---|+| 0 | 62.38 | 62.74 | +0.36 | 0.01342→0.01210 | 0.01165→0.01102 | 0.05053→0.05143 | 0.2857→0.2857 | 0.3872→0.3851 |+| 1 | 61.91 | 62.35 | +0.44 | 0.01382→0.01243 | 0.01114→0.01045 | 0.05060→0.05123 | 0.2500→0.2500 | 0.3880→0.3882 |+| 2 | 62.47 | 62.84 | +0.37 | （同结构） | （同结构） | （同结构） | 不变 | ≈不变 |++- 四组分变化（seed 0）：cell_state +1.95（variogram +0.32、mmd_u +0.17），local_spatial −0.43（nbhd −0.10），expression_change −0.05（噪声内），shape_scale +0.00（坐标未动，三项 raw 逐位相同）。三种子结构一致。+- 幅度提升低于 T2 约 1 分的板分噪声，但逐项方向在 3 个种子上完全一致（variogram/mmd_u 升、nbhd 微降、de 不动），是系统性小收益而非单次波动。++## 证伪记录（本节点共查分 18 次，A 半 seed 0，父基线 62.38）++PLAN 字面机制（向 δ 对齐，r_g = 1+γ·clip(δ/dp−1,±cap)，|δ|≥0.25、|dp|≥0.05）：++| 配置 | 板分 | de_score raw | de_dir raw | mmd_u raw | vario raw | nbhd raw |+|---|---|---|---|---|---|---|+| mul γ0.5 cap0.3（PLAN 主配置） | 61.68 | **0.2500**（−0.036） | 0.3865 | 0.01249 | 0.01463 | 0.05095 |+| add γ0.5 cap0.3（nnz 平移解码） | （榜分头部被截断未留存） | 未留存 | 未留存 | 未留存 | 未留存 | 0.05111（劣化） |++→ 把 dp 推向 δ 使 de_score 显著变差、全组劣化，PLAN 的"δ 是 dt 的一阶近似"前提在本括号上不成立（机制证否）。++方向探针与备选网格（全部同一父管线之上）：++| 配置 | 板分 | 关键分项 |+|---|---|---|+| shrink γ0.25（全 116 DE） | 62.73 | vario +0.44 / nbhd −0.20；seed1 62.28（+0.37） |+| shrink γ0.35（全 DE） | 62.64 | vario +0.62 / nbhd −0.40 |+| shrink γ0.5（全 DE） | 62.23 | vario 0.01012 / nbhd 0.05778（过度） |+| **shrink γ0.25, \|dp\|≥0.3（提交）** | **62.74** | 三种子 +0.36/+0.44/+0.37 |+| shrink γ0.35, \|dp\|≥0.3 | 62.54 | 峰值在 γ≈0.25 |+| shrink γ0.5, \|dp\|≥0.3 | 61.98 | 过度 |+| shrink γ0.25, sup 0.15（182 基因） | 62.67 | 无增益 |+| dev f0.7（均值保持、只缩型内展布） | 62.08 | vario 反而 0.01372、nbhd 0.05340 → 增益来自幅度而非展布 |+| SIDECLUSTER（PC1 侧别坐标重配对，只动 nbhd 的干净探针） | 61.05 | nbhd 0.05999（−1.05）→ 真实表达-位置配对必须保留，坐标重配对方向关闭 |+| BRACKET_CLIP=1.0 + 提交机制 | 61.53 | de_score 0.2500、nbhd 0.05823 → 值域钳制破坏 dp 排序 |+| 单侧 clamp-to-δ（只缩过冲基因） | 未查分 | 本地分析：仅 4/116 基因过冲，≈恒等，放弃 |++结论：de_score raw 在 shrink 全网格上逐位不动（0.2857），boost 单向劣化 → expression_change 对逐基因 pb 缩放已饱和；真实收益在 cell_state（A 半最弱组，49.78）的幅度校准上。++## 已验证 / 未验证++- 已验证：默认输出 = 查分过的提交配置（sha256 逐位一致）；`--ablate mechanism` 与父节点 36 输出逐位一致；同 seed 重复运行逐位确定；两个输出均过 vec-check；纯 CPU ~10 s、峰值内存 <1 GB。+- 未验证：B 半与真实 final 视图上的收益幅度（A 半 +0.39 均值小于 1 分噪声，B 半可能兑现也可能不兑现；机制方向在 3 个种子上一致，按系统性小收益提交）；真实括号两端相邻、共有类型多，DE 支持集与 k_g 分布会不同，但机制全部由输入现场计算，无阶段特化分支。+- 视图无关：γ、支持阈值是固定超参；δ、dp、k_g 全部由视图数据运行时计算；只用相对时间 t，不用绝对阶段时间。++## 知识来源++- 提交机制不依赖任何外部生物学知识（纯数据驱动的幅度校准，全部统计量运行时从 manifest 指定的输入计算）。+- 已证否并关闭的 SIDECLUSTER 探针的设计动机引用教科书发育事件程序：胚体区域存在发育成熟度梯度（如体节发生波沿头尾轴推进），Gilbert, *Developmental Biology*, 10th ed., Sinauer, ch. 12–13（ISBN 978-0-87893-978-7）。该探针被 A 半证否（nbhd −1.05），默认关闭，不影响输出。+- 未使用任何保留阶段/保留基因型数据或由其导出的测量值；δ、dp 只来自视图内已发布输入阶段。diff --git a/solution/README.md b/solution/README.mdindex 309c0fe..fdf2755 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,13 +1,13 @@-# 节点 36：不对称相关扩散（η_a=1.5 / η_b=0.15）+ 已证否的 CORRPROJ-2step（T2:embryo:val_interp）+# 节点 38：DE 幅度校准（shrink γ=0.25，|dp|≥0.3）+ 已证否的 PLAN 逐基因 δ 重标定（T2:embryo:val_interp） -父节点 31 管线原样保留（mix 混抽 + α=5 类型级收敛位移 + λ=6 投影加权 + 软阈值 + β=0.2 型内配对-收缩 + 一步基因相关扩散 CORRPROJ + 各向异性坐标整形）。本节点按 PLAN 实现残差相关核二次扩散-（T2_PROJ_ETA2 / T2_PROJ2_KERNEL / T2_PROJ2_SIDES）并在 proxy A 半完成 7 种解码的证否网格-（全部劣于父，池化残差核与括号核 0.78 相关 → 二次扩散等效越过 η 平台、过度收敛）；改交同族-备选机制：侧别不对称扩散 η_b = η_a·(1−asym)（T2_PROJ_ASYM=0.9，b 侧保护近目标细胞的表达-位置-配对）+ a 侧强度提升（T2_PROJ_ETA=1.5，平台内）。另实现并证否：核锐化 T2_CSHARP_THETA、-clip 感知门控 T2_CLIPGATE_KAPPA（默认全关）。+父节点 36 管线全部原样保留（mix 混抽 + procrustes3d + 阻尼 log-RMS + α=5 逐类型收敛位移 + λ=6 投影加权 ++软阈值 + β=0.2 配对收缩 + 不对称相关扩散 η_a=1.5/η_b=0.15 + 各向异性坐标整形）。本节点按 PLAN 实现逐基因+伪批量向 δ=t·(pb_b−pb_a) 对齐的重标定（T2_RECAL_*，add/mul 两种精确解码），在 proxy A 半证否（de_score raw+0.2857→0.2500，板分 −0.7）；方向探针发现 A 半真值偏好比管线输出更小的 DE 幅度，改交备选机制：对+|δ|≥0.25 且 |dp|≥0.3 的 51 个 DE 基因做 dp←0.75·dp 的逐列精确缩放（T2_RECAL_MODE=shrink，默认提交配置），+零模式/坐标/基因内排序不动。另证否并关闭：dev（均值保持展布收缩）、SIDECLUSTER（坐标重配对，nbhd −1.05）、+BRACKET_CLIP=1.0（de_score −0.036）。 -`--ablate mechanism` 还原父节点 31 的全部默认（η=1 对称、无第二步），seed 0/1 输出与父代码-逐字节一致。提交默认：η_a=1.5、η_b=0.15、η2=0。A 半两种子 62.38/61.91（父 62.06/61.55）。+`--ablate mechanism` → γ=0，输出与父节点 36 逐位一致（sha256 已验证）。A 半三种子：父 62.38/61.91/62.47，+本节点 62.74/62.35/62.84（+0.36/+0.44/+0.37，三种子分项结构一致：variogram/mmd_u 升、nbhd 微降、de 不动）。 详见 METHOD.md。diff --git a/solution/run.py b/solution/run.pyindex d8bef2d..b43f475 100644--- a/solution/run.py+++ b/solution/run.py@@ -8,7 +8,29 @@ exp(log r_a + SCALE_DAMP·t·Δlog r), and draws cells stratified by type: round(t·n) from the later stage, the rest from the earlier one. Coordinates travel with the cells. n is log-linear in t, clipped to the board range. -This node (36, family T2EI-01): the PLAN mechanism CORRPROJ-2step — a second+This node (38, family T2EI-01): PLAN mechanism RECAL — per-gene pseudobulk+magnitude recalibration toward the bracket-linear target change+δ = t·(pb_b − pb_a) — was implemented in two exact realizations (additive+nnz-shift and multiplicative column rescale, γ ∈ {0.5}, cap ∈ {0.3}) and+FALSIFIED on the proxy A half: boosting dp toward δ drops de_score raw+0.2857 → 0.2500 and hurts every group (board 62.38 → 61.68 mul / ~61.5 add).+A direction probe (uniform shrink dp → (1−γ)·dp on DE genes, no δ target)+showed the A-half truth systematically prefers SMALLER DE amplitudes than the+pipeline emits (variogram/mmd_u improve monotonically in γ up to 0.5 while+nbhd/de_direction degrade), so the SUBMITTED BACKUP MECHANISM is+DE-amplitude calibration: dp_new = 0.75·dp (equivalently, gene column ×k_g,+k_g = 1 − γ·dp_g/pb_out_g, exact in pb) on DE genes with |δ_g| ≥ 0.25 AND+|dp_g| ≥ 0.3 (γ = 0.25; 51 of 498 genes). Zero pattern, cell ranking within+gene, and all coordinates untouched. Proxy A half: parent 62.38/61.91/62.47+vs submitted 62.74/62.35/62.84 at seeds 0/1/2 (+0.36/+0.44/+0.37, same+metric-level structure every seed: variogram +0.3..0.4 pts, mmd_u +0.1..0.2,+nbhd −0.1, de unchanged). Also implemented and falsified here: mean-preserving+deviation shrink (dev), PC1 side-clustered expression↔coordinate re-pairing+(SIDECLUSTER, nbhd −1.0 pts), bracket-max value clamp (BRACKET_CLIP=1,+de_score −0.036). --ablate mechanism sets γ = 0 (identity) and reproduces+parent node 36 bit-for-bit.++Parent (node 36, family T2EI-01): the PLAN mechanism CORRPROJ-2step — a second diffusion of Δ' through the correlation kernel C_resid of the displaced output cells, Δ'' = renorm(Δ' + η2·C_resid·Δ') — was implemented and falsified on the proxy A half across 7 decodes (pooled/within/blend kernels × η2 grids): the@@ -285,6 +307,177 @@ TSHIFT_CAP = float(os.environ.get("T2_TSHIFT_CAP", "1.0")) # displacement pipeline's nnz/clip leakage so dp equals the clean linear # estimate t·Δ_pb on reliable genes). TSHIFT_MODE = os.environ.get("T2_TSHIFT_MODE", "timing")+# RECAL (node 38, family T2EI-01, PLAN mechanism): per-gene pseudobulk+# magnitude recalibration applied AFTER the full expression pipeline, directly+# on the output matrix — the only place where de_score / de_direction can see+# it (inside the displacement step the stratified (1−t, t) draw makes shifts+# cancel in the pseudobulk). Target change δ = t·(pb_b − pb_a) is the linear+# bracket estimate of dt = pb(target) − pb(ref) (ref = a side, the observed+# stage just before the target); current change dp = pb_out − pb_a. For DE+# genes (|δ| ≥ RECAL_SUPPORT) with reliable |dp| ≥ RECAL_MIN_DP, the intended+# corrected change is dp·r_g with r_g = 1 + γ·clip(δ/dp − 1, ±cap) (sign-safe+# form of the PLAN ratio; genes with tiny |dp| are skipped instead of relying+# on an ε blow-up guard). Realization decodes:+#   add — shift only NONZERO entries by s_g = (r_g−1)·dp_g / nzfrac_g (capped+#         at ±RECAL_SMAX), clip ≥ 0: exact pb correction before clipping,+#         within-gene variance and cell ranking preserved, zero pattern kept+#         except where a negative shift clips entries to 0.+#   mul — scale the whole gene column by k_g = 1 + (r_g−1)·dp_g / pb_out_g:+#         exact pb correction, zero structure and within-gene relative+#         distribution preserved, within-gene variance scaled by k².+# γ = 0 (or --ablate mechanism) makes the step the identity and reproduces+# parent node 36 bit-for-bit. Single-input fallback (no bracket) never reaches+# this step. Coordinates untouched → shape group unchanged by construction.+# SUBMITTED DEFAULT (this node): mode "shrink", γ = 0.25, support 0.25,+# min_dp 0.3 — the direction probe that won on the proxy A half (see module+# docstring): dp_new = (1−γ)·dp on the 51 DE genes with |dp| ≥ 0.3, realized+# as the exact multiplicative column rescale k_g = 1 − γ·dp_g/pb_out_g (zero+# pattern, within-gene relative distribution and pb→dp bookkeeping exact).+# The PLAN-literal toward-δ decodes (add/mul at γ 0.5 cap 0.3) and the other+# probes (dev, sup 0.15, γ ∈ {0.15..0.5} grids) are kept for reproduction;+# every scored configuration is listed in METHOD.md.+RECAL_GAMMA = float(os.environ.get("T2_RECAL_GAMMA", "0.25"))+RECAL_CAP = float(os.environ.get("T2_RECAL_CAP", "0.3"))+RECAL_SUPPORT = float(os.environ.get("T2_RECAL_SUPPORT", "0.25"))+RECAL_MIN_DP = float(os.environ.get("T2_RECAL_MIN_DP", "0.3"))+RECAL_MODE = os.environ.get("T2_RECAL_MODE", "shrink")  # add | mul | shrink | dev+RECAL_SMAX = float(os.environ.get("T2_RECAL_SMAX", "2.0"))+# SIDECLUSTER (node 38 probe, local_spatial): neighborhood_mmd is the only+# ranked metric that sees the expression↔coordinate PAIRING (all others see+# either the expression multiset or the coordinate point set). The stratified+# mix overlays the two aligned bracket clouds, so a cell's 15-NN in the output+# frame contains both a-side and b-side cells; neighborhood means therefore+# concentrate around the pooled mixture mean. Real intermediate-stage tissue+# has regional developmental asynchrony (textbook: cranio-caudal / proximo-+# distal maturation gradients, e.g. somitogenesis wave; Gilbert, Developmental+# Biology, 10th ed., ch. 12–13), so real neighborhood means are more dispersed+# by region. SIDECLUSTER re-pairs cells to coordinates WITHOUT moving any+# coordinate: cells are assigned to the coordinate slots ordered along the+# cloud's PC1 axis, the a-side cells filling the low-projection slots and the+# b-side cells the high ones (fraction split = n_a/n). Expression rows and the+# coordinate multiset are untouched → de/mmd/variogram/shape raws are+# bit-for-bit unchanged; only neighborhood_mmd can move. 0 = off (parent).+SIDECLUSTER = int(os.environ.get("T2_SIDECLUSTER", "0"))+++def side_cluster_repair(coords, n_a):+    """Deterministically re-pair expression rows to coordinate slots so that+    a-side cells (rows < n_a) occupy the low-PC1 coordinate slots and b-side+    cells the high-PC1 slots. Coordinate multiset preserved exactly."""+    n = coords.shape[0]+    if n_a <= 0 or n_a >= n:+        return coords, {"sidecluster_n_a": int(n_a), "sidecluster_applied": False}+    C = np.asarray(coords, dtype=np.float64)+    cen = C - C.mean(axis=0)+    cov = cen.T @ cen / max(n - 1, 1)+    w, V = np.linalg.eigh(cov)+    v1 = V[:, -1]+    if v1[np.argmax(np.abs(v1))] < 0:+        v1 = -v1+    proj = cen @ v1+    order = np.argsort(proj, kind="stable")+    new = np.empty_like(coords)+    new[:n_a] = coords[order[:n_a]]+    new[n_a:] = coords[order[n_a:]]+    return new, {"sidecluster_n_a": int(n_a), "sidecluster_applied": True}+++def _spearman(x: np.ndarray, y: np.ndarray) -> float:+    rx = np.argsort(np.argsort(x)).astype(np.float64)+    ry = np.argsort(np.argsort(y)).astype(np.float64)+    rx -= rx.mean()+    ry -= ry.mean()+    den = np.sqrt((rx * rx).sum() * (ry * ry).sum())+    return float((rx * ry).sum() / den) if den > 0 else 0.0+++def recalibrate(expr, pb_a, pb_b, t, gamma, cap, support, min_dp, mode, smax):+    info = {"recal_gamma": gamma, "recal_cap": cap, "recal_mode": mode,+            "recal_support": support, "recal_min_dp": min_dp, "recal_smax": smax,+            "recal_n_genes": 0, "recal_clip_rate": None,+            "recal_spear_before": None, "recal_spear_after": None,+            "recal_dp_gap_before": None, "recal_dp_gap_after": None,+            "recal_nzfrac_before": None, "recal_nzfrac_after": None,+            "recal_realized_frac": None}+    if gamma == 0.0 or expr.shape[0] == 0:+        return expr, info+    delta = t * (pb_b - pb_a)+    dp = expr.mean(axis=0).astype(np.float64) - pb_a+    pb_o = dp + pb_a+    if mode == "shrink":+        # Direction probe: dp_new = (1−γ)·dp on DE genes (no δ target).+        de = np.abs(delta) >= support+        if min_dp > 0:+            de = de & (np.abs(dp) >= min_dp)+        corr = np.where(de, -gamma * dp, 0.0)+        act = de & (np.abs(corr) > 1e-12)+        info["recal_n_genes"] = int(act.sum())+        k = np.ones_like(dp)+        km = act & (pb_o > 1e-6)+        k[km] = np.maximum(1.0 + corr[km] / pb_o[km], 0.0)+        expr = (expr * k.astype(np.float32)[None, :]).astype(np.float32)+        dp_after = expr.mean(axis=0).astype(np.float64) - pb_a+        info["recal_spear_before"] = _spearman(dp, delta)+        info["recal_spear_after"] = _spearman(dp_after, delta)+        info["recal_dp_gap_before"] = float(np.abs(dp[de] - delta[de]).mean()) if de.any() else None+        info["recal_dp_gap_after"] = float(np.abs(dp_after[de] - delta[de]).mean()) if de.any() else None+        info["recal_nzfrac_before"] = float((expr != 0).mean())+        info["recal_nzfrac_after"] = float((expr != 0).mean())+        return expr, info+    if mode == "dev":+        # Mean-preserving within-gene spread shrink: nonzero entries of DE genes+        # are scaled by f = 1−γ around their nonzero mean. pb is preserved+        # exactly (de metrics untouched), zero pattern untouched, only the+        # within-gene deviation spread shrinks (variogram/mmd calibration).+        f = 1.0 - gamma+        de = np.abs(delta) >= support+        info["recal_n_genes"] = int(de.sum())+        nz = expr > 0+        nzc = nz.sum(axis=0)+        with np.errstate(invalid="ignore", divide="ignore"):+            mnz = np.where(nzc > 0, expr.sum(axis=0) / np.maximum(nzc, 1), 0.0).astype(np.float32)+        fg = np.where(de, np.float32(f), np.float32(1.0)).astype(np.float32)+        newv = mnz[None, :] + fg[None, :] * (expr - mnz[None, :])+        expr = np.where(nz, newv, expr).astype(np.float32)+        np.clip(expr, 0.0, None, out=expr)+        dp_after = expr.mean(axis=0).astype(np.float64) - pb_a+        info["recal_spear_before"] = _spearman(dp, delta)+        info["recal_spear_after"] = _spearman(dp_after, delta)+        info["recal_dp_gap_before"] = float(np.abs(dp[de] - delta[de]).mean()) if de.any() else None+        info["recal_dp_gap_after"] = float(np.abs(dp_after[de] - delta[de]).mean()) if de.any() else None+        info["recal_nzfrac_before"] = float((expr != 0).mean())+        info["recal_nzfrac_after"] = float((expr != 0).mean())+        return expr, info+    de = (np.abs(delta) >= support) & (np.abs(dp) >= min_dp)+    corr = np.zeros_like(dp)+    if de.any():+        raw = delta[de] / dp[de] - 1.0+        corr[de] = gamma * dp[de] * np.clip(raw, -cap, cap)+        info["recal_clip_rate"] = float((np.abs(raw) > cap).mean())+    act = de & (np.abs(corr) > 1e-12)+    info["recal_n_genes"] = int(act.sum())+    info["recal_spear_before"] = _spearman(dp, delta)+    info["recal_dp_gap_before"] = float(np.abs(dp[de] - delta[de]).mean()) if de.any() else None+    info["recal_nzfrac_before"] = float((expr != 0).mean())+    if mode == "mul":+        k = np.ones_like(dp)+        km = act & (pb_o > 1e-6)+        k[km] = np.maximum(1.0 + corr[km] / pb_o[km], 0.0)+        expr = (expr * k.astype(np.float32)[None, :]).astype(np.float32)+    else:+        nzfrac = (expr != 0).mean(axis=0).astype(np.float64)+        s = np.zeros_like(dp)+        am = act & (nzfrac > 1e-3)+        s[am] = np.clip(corr[am] / nzfrac[am], -smax, smax)+        shift = (expr != 0) * s.astype(np.float32)[None, :]+        expr = np.clip(expr + shift, 0.0, None).astype(np.float32)+    dp_after = expr.mean(axis=0).astype(np.float64) - pb_a+    info["recal_spear_after"] = _spearman(dp_after, delta)+    info["recal_dp_gap_after"] = float(np.abs(dp_after[de] - delta[de]).mean()) if de.any() else None+    info["recal_nzfrac_after"] = float((expr != 0).mean())+    den = float((corr * corr).sum())+    info["recal_realized_frac"] = float(((dp_after - dp) * corr).sum() / den) if den > 0 else None+    return expr, info   def timing_fraction(stage_a, stage_b, shared_labels, kappa: float):@@ -1281,17 +1474,17 @@ def main() -> None:     parser.add_argument("--out", required=True)     parser.add_argument("--seed", type=int, default=0)     parser.add_argument("--ablate", default=None,-                        help="mechanism-off control: 'mechanism' (or any name) disables every "-                             "mechanism added by this node (second-step residual diffusion "-                             "T2_PROJ_ETA2, asymmetric side etas T2_PROJ_ASYM, kernel sharpening "-                             "T2_CSHARP_THETA, clip-aware gating T2_CLIPGATE_KAPPA), reproducing "-                             "the parent node 31 bit-for-bit")+                        help="mechanism-off control: 'mechanism' (or any name) disables this "+                             "node's per-gene pseudobulk recalibration step (T2_RECAL_GAMMA -> 0), "+                             "reproducing the parent node 36 output bit-for-bit")     args = parser.parse_args()-    # Mechanism-off control: restore every knob to the parent node 31 submitted-    # default (symmetric first-step diffusion at η = 1.0, no second step, no-    # sharpening, no gating) so the ablated output is bit-for-bit the parent's.-    proj_eta = 1.0 if args.ablate else None-    proj_eta2 = 0.0 if args.ablate else None+    # Mechanism-off control (node 38): RECAL only. Every knob of parent node 36+    # (asymmetric corr diffusion eta_a=1.5/eta_b=0.15 and all earlier steps)+    # keeps its submitted default, so the ablated output is bit-for-bit node 36.+    recal_gamma = 0.0 if args.ablate else RECAL_GAMMA+    sidecluster = 0 if args.ablate else SIDECLUSTER+    proj_eta = None+    proj_eta2 = None      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)@@ -1305,10 +1498,21 @@ def main() -> None:     stage_a = read_stage(args.data, a, genes)     stage_b = read_stage(args.data, b, genes)     params = board_params(manifest, "mix", PARAMS, args.seed)-    if args.ablate:-        params.update({"proj_asym": 0.0, "csharp_theta": 0.0, "clipgate_kappa": 0.0})     expr, coords, info = mix_converge(stage_a, stage_b, t, params, CONVERGE_ALPHA,                                       view=args.data, proj_eta=proj_eta, proj_eta2=proj_eta2)+    # RECAL (node 38): per-gene pseudobulk magnitude recalibration, the last+    # expression step before writing (see RECAL_* config docs).+    pb_a_r = np.asarray(stage_a.X.mean(axis=0)).ravel().astype(np.float64)+    pb_b_r = np.asarray(stage_b.X.mean(axis=0)).ravel().astype(np.float64)+    expr, recal_info = recalibrate(expr, pb_a_r, pb_b_r, float(t), recal_gamma,+                                   RECAL_CAP, RECAL_SUPPORT, RECAL_MIN_DP,+                                   RECAL_MODE, RECAL_SMAX)+    info.update(recal_info)+    sc_info = {"sidecluster": sidecluster}+    if sidecluster and expr.shape[0]:+        coords, sci = side_cluster_repair(coords, int(info.get("n_from_a", 0)))+        sc_info.update(sci)+    info.update(sc_info)     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",@@ -1344,7 +1548,14 @@ def main() -> None:                                         "typeaniso_clip_frac", "typeaniso_tgt_over_cur_mean", "typeaniso_rs",                                         "variso_enable", "variso_damp", "variso_n_types", "variso_f_mean",                                        "variso_f_in_band", "variso_f_min", "variso_f_max",-                                       "variso_cur_over_tgt", "variso_pb_maxshift")}+                                       "variso_cur_over_tgt", "variso_pb_maxshift",+                                       "recal_gamma", "recal_cap", "recal_mode", "recal_support",+                                       "recal_min_dp", "recal_smax", "recal_n_genes", "recal_clip_rate",+                                       "recal_spear_before", "recal_spear_after",+                                       "recal_dp_gap_before", "recal_dp_gap_after",+                                       "recal_nzfrac_before", "recal_nzfrac_after",+                                       "recal_realized_frac",+                                       "sidecluster", "sidecluster_n_a", "sidecluster_applied")}     print(json.dumps({"bracket": [a["stage"], b["stage"]], **keep}, default=float), file=sys.stderr)     write_t2(args.out, expr, coords, genes, seed=args.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。提交已就位并通过全部自检。

**做了什么**：按 PLAN 实现逐基因伪批量重标定（add/mul 两种精确解码），A 半证否——向 δ=t·(pb_b−pb_a) 对齐使 de_score raw 0.2857→0.2500、板分 62.38→61.68。方向探针（shrink/dev/单侧 clamp/sidecluster/bracket-clip，共 18 次查分）发现真值偏好**更小**的 DE 幅度，改交备选机制：对 |δ|≥0.25 且 |dp|≥0.3 的 51 个 DE 基因做 dp←0.75·dp 的逐列精确缩放（坐标、零模式、基因内排序不动）。

**查分结果**（A 半，同流程父对照）：seed 0/1/2 = 62.74/62.35/62.84 vs 父 62.38/61.91/62.47（**+0.36/+0.44/+0.37**，分项结构三种子一致：variogram +0.3~0.4、mmd_u +0.1~0.2、nbhd −0.1、de 不动）。另证否：SIDECLUSTER 坐标重配对（nbhd −1.05，真实配对必须保留）、BRACKET_CLIP（de_score −0.036）、dev 展布收缩。`--ablate mechanism` 与父 36 逐位一致。

**下一步最值得试**：(1) 幅度校准的收益通道已确认（variogram 随 γ 单调改善至 0.5、nbhd 单调劣化），可试按基因分组差异化 γ（如只在 nbhd 不敏感的基因子集上加大收缩）；(2) de_score 对 pb 缩放完全饱和（raw 逐位不动），要动它只能改 top-N 成员——需要 δ 之外的 dt 排序信息源；(3) occupancy_dice（skill 0.42）是形状组唯一弱项，但坐标域探针已多次证否，优先级低。

调研员

b_out − pb_a（评分器参考阶段 = 目标前最近观测 = E8.5 = a 侧）。\n3. 仅对 |δ_g| ≥ 0.25 的 DE 基因（与位移阈值一致，约 50–80 个）计算修正因子 r_g = 1 + γ·clip(δ_g/(dp_g+ε) − 1, −cap, cap)，ε=1e-6；其余基因 r_g=1。\n4. 对输出细胞每个非零项：x_{i,g} ← mean_out,g + r_g·(x_{i,g} − mean_out,g)，clip ≥ 0；零值不动。\n5. 参数网格：γ ∈ {0.25, 0.5, 0.75}，cap ∈ {0.1, 0.3, 0.5}，共 9 组。用 vec-score 筛选线：de_score raw > 0.3103 且 variogram raw ≤ 0.01300 且 mmd_u raw ≤ 0.01100。\n6. 单输入阶段退路：无括号时 δ=0，r_g=1，输出不变（与父节点 copy_last 退路一致）。\n7. 查分策略：先跑 γ=0（对照）和 γ=0.5, cap=0.3（主配置）各一次；若 de_score 或 de_direction raw 提升 ≥ 0.02 且其他指标不恶化，再扫剩余网格；若主配置即劣化，检查被 clip 基因比例（>50% 则降 cap 到 0.1）。\n8. 记录重标定前后：零值比例（变化 >1% 则降 cap）、per-gene dp 与 δ 的 Spearman 相关、被修正基因数。",
  "expected_groups": ["expression_change"],
  "risks": "1. 逐基因缩放改变基因间相对幅度，可能伤 variogram（共变结构）——缓解：只动 |δ|≥0.25 的 DE 基因，用 variogram raw ≤ 0.01300 作否决线，若破线立即停。2. δ = t·(pb_b−pb_a) 只是目标变化的一阶近似，若发育动态非线性则 δ 排序与真实 dt 不一致，重标定反而推偏——缓解：γ 从 0.25 起步，若 de_score 不升反降立即停止并报告。3. dp_g ≈ 0 的基因修正因子爆炸——ε=1e-6 + cap 限制；若仍异常，对 |dp_g| < 0.05 的基因跳过重标定。4. 收益可能 < 1 分噪声——若两种子均值提升 < 0.5 分，按噪声内处理不提交。5. pb_ref 若不是 pb_a（评分器参考阶段定义不同）会导致 δ 偏移——Engineer 先确认评分代码中参考阶段定义，若不确定同时测 pb_ref = pb_a 和 pb_ref = mean(pb_a,pb_b) 两版。",
  "family_id": "T2EI-01",
  "mechanism": "在全部位移管线之后，对 DE 基因逐个计算括号阶段推断的目标伪批量变化 δ_g 与当前输出变化 dp_g 的比值，对输出表达做均值保持的线性缩放（仅非零项），使伪批量变化幅度向目标对齐，同时保持基因内细胞排序和零/非零稀疏模式不变。",
  "vs_constant_shift": "常数位移对同一类型所有细胞加同一向量，不区分各基因的目标变化幅度是否匹配；本机制是逐基因、逐细胞偏差的乘法缩放，每个基因有独立修正因子 r_g，直接针对该基因伪批量变化与目标之间的偏差，且是均值保持的单调变换（保持基因内细胞间相对顺序），不改变细胞类型组成。",
  "mechanism_evidence": "Engineer 应报告：(1) 重标定前后 per-gene dp 与 δ 的 Spearman 相关（预期从 ~0.40 上升）；(2) 被修正基因数（|r_g−1|>0.01）及 clip 率；(3) 零值比例变化（预期 <0.5%）；(4) de_score raw 和 de_direction raw 变化（预期 de_score ≥0.32, de_direction ≥0.41）；(5) variogram raw 和 mmd_u raw 是否守住；(6) 形状组三项 raw 不变（坐标未动）；(7) ablation（γ=0）与父节点 36 输出 sha256 一致。",
  "mechanism_off_control": "γ=0 时所有 r_g=1，重标定步为恒等变换，输出与父节点 36 逐位一致。Engineer 跑 T2_RECAL_GAMMA=0 或 --ablate mechanism 验证输出 h5ad sha256 与父节点相同。预期差别：γ=0 时榜分 = 父节点 63.23；γ>0 时仅 expression_change 组变化，其余三组不变。"
}
```

审查员

Review complete. Verdict: **pass** — all 7 checks clean.

Key findings:
- **越界读取**: 无。仅访问 view 输入（经库函数）和 view 内 `prior/`，无绝对路径/`..`/联网。
- **硬编码**: 无。δ/dp/坐标 spread 全部运行时从 `stage_a/stage_b` 算出，注释里的数字不进逻辑。
- **钻漏洞**: 无。RECAL 是逐基因数据驱动缩放（非整体缩放），坐标未动，SIDECLUSTER（可影响行序抽样）默认关闭且已证否。
- **确定性**: 全部随机性用 `default_rng(seed)`，`--seed` 已定义。
- **保留数据**: 仅用 manifest 给定的 E6.75/E8.0 bracket，不碰目标或保留阶段/基因型；引用的教科书/DOI 来源已注明。
- **视图无关**: 用相对时间 t + `interp_bracket`，无写死阶段名。
- **合规删除**: PLAN.json 无 `[compliance: removed]`，未重新引入。

REVIEW.json 已写入并通过 JSON 校验。