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

节点 n51 在终选来历上

NBSMOOTH：把非零表达向 15-NN 邻域均值轻度平滑（β=0.35，nnz-only、池化伪批量中和、坐标不动）提升邻域相干；PLAN 的加性 VPRECENT 与 James-Stein 收缩均证否。

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 01713da477: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 29a1a6241c。改动的文件：solution/METHOD.md +59 −119、solution/README.md +8 −1、solution/run.py +240 −18

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 4fc0556..9a994a6 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,138 +1,78 @@-WIDENP：放宽 WITHINP 再居中 clip f→[0.6,1.6]、伪批量复原 clip g→[0.5,2.0]，更强移除抽样漂移且令 dp 复原精确；PLAN 的 PSEUDOSTEP 经 6 次查分全证否。+NBSMOOTH：把非零表达向 15-NN 邻域均值轻度平滑（β=0.35，nnz-only、池化伪批量中和、坐标不动）提升邻域相干；PLAN 的加性 VPRECENT 与 James-Stein 收缩均证否。 -## 概要+## 本节点做了什么（improve，父节点 49） -- family_id: T2EI-01（提交机制 WIDENP，属 draw-noise 再居中族）；PLAN 指定的 T2EI-09（PSEUDOSTEP）已在榜上证否，代码保留在 `T2_PSEUDOSTEP=0` 默认关。-- 提交机制 **WIDENP**：在父节点 47 全部管线之上，只把 WITHINP（节点 44 的抽样漂移再居中）的两个 clip 放宽——-  - 型×侧再居中因子 `f` 的 clip：`[0.8, 1.25] → [0.6, 1.6]`（`WITHINP_CLIP`）；-  - 池化伪批量复原因子 `g` 的 clip：`[0.9, 1.1] → [0.5, 2.0]`（`WITHINP_G_CLIP`）。-- `--ablate mechanism` 把两个 clip 还原到父值并强制 `PSEUDOSTEP=False`，输出与父节点 47 **逐位一致**（sha256 已验证，见下）。-- 纯 CPU，`EXECUTION.json = {"gpu": false}`；运行 ~1.9 s / ~0.6 GB，远低于 limits（28 GB / 30 min）。+父节点 49（WIDENP，榜分 66.10 / 3 种子 65.66）四组最弱是 **cell_state**（A 半 59.6），其中 **variogram**（skill≈0.55）是地板以上最弱指标。PLAN 指定机制 **VPRECENT**：把 WITHINP 的乘性再居中因子 f_g 换成加性、"保方差" 的逐基因位移 δ_g=μ_full−μ_drawn（只作用于非零值、≤0 截 0）。 -## 机制（WIDENP）如何工作+**PLAN 机制被证否**，改交父节点 ANALYSIS 建议 #2 的备选机制 **NBSMOOTH**（针对 local_spatial/nbhd，权重 25 最高）。 -WITHINP（节点 44）对每个「类型 × 侧（a/b）」的输出子集，用一个有界乘性因子-`f_g = clip(((μ_full+ε)/(μ_drawn+ε))^w, lo, hi)` 把**被抽中子集**的逐基因均值回正到该类型在来源-阶段的**全阶段**均值 μ_full，从而移除有限抽样带来的漂移（drawn 子集均值 ≠ 全阶段均值）；随后用-一个逐基因的统一因子 `g = clip(pb0/pb1, glo, ghi)` 复原**池化伪批量**，使 dp（= pb_out − pb_ref，-de_score / de_direction 的输入）保持不变，机制的可见效应纯粹是「固定池化均值下、基因质量在类型/细胞-之间的再分配」——即 cell_state 通道（mmd_u / variogram / neighborhood_mmd）。+## PLAN 机制 VPRECENT（加性再居中）——证否 -父节点的诊断显示两个 clip 都在**触界**：`f_dev_max` 被夹在 0.25（真实漂移可达 0.6），`g_min/g_max`-同时贴在 0.9 和 1.1（`g_dev_mean=0.0487`）。这意味着：-1. `f` 触界 ⇒ 漂移大的类型×侧（多为小 drawn 子集）**没被充分回正**，残余抽样噪声留在 cell_state 通道；-2. `g` 触界 ⇒ 池化伪批量**复原不完全**，dp 有残余漂移，父节点 ANALYSIS 明确点名这会「使 de_direction 受损」。+实现于 `WITHINP_MODE="add"`（`T2_WITHINP_MODE=add` 复现）。δ_g=μ_full−μ_drawn，可加下限 δ_g≥c·μ_drawn，nnz-only、x+δ≤0→0，之后仍走原池化伪批量复原 g=clip(pb0/pb1,0.5,2)。A 半 seed 0，父锚点 **65.4745**（variogram 0.007101、mmd_u 0.01008、nbhd 0.04741、de_dir 0.3784）： -WIDENP 同时放宽两个 clip：`f[0.6,1.6]` 允许回正最多 60% 的漂移（移除更多 draw-noise），`g[0.5,2.0]`-让 dp 复原**精确**（g 不再触界，实测 g∈[0.88,1.50]，dp 复原残差落到 float32 舍入级）。这是一个因果清晰、-低风险的改动：它只加强一个已被证明有效的机制（WITHINP），不改支持集、不改坐标、不动 DE 秩通道的结构。+| 解码 | 榜分 | variogram | mmd_u | nbhd | de_dir |+|---|---|---|---|---|---|+| δ-floor c=−0.3 | 65.4029 | 0.007131 | 0.01010 | 0.04772 | 0.3761 |+| δ-floor c=−0.5（PLAN 初值） | 65.3944 | 0.007124 | 0.01012 | 0.04774 | 0.3755 |+| δ-floor c=−0.8（=无限制，−0.8 未绑定） | 65.3928 | 0.007128 | 0.01013 | 0.04772 | 0.3756 |+| 1/p_nz 精确再居中（c=−0.5） | 未查分：δ 放大到 25、支持集损失 25%、g 饱和到 2.0，本地即判灾难 | — | — | — | — | -## 关闭机制对照（`--ablate mechanism`）+四档全部劣于父节点，且 **variogram（目标指标）不降反升**（0.00710→0.00713），mmd_u、nbhd 同向变差。de_score 逐位冻结在 0.3214（pb-neutral 生效），de_dir 的 ±0.003 是 g 复原 float32 舍入在近零 dp 基因上的秩抖动，非真实信号。 -- `--ablate mechanism` ⇒ `WITHINP_CLIP=(0.8,1.25)`、`WITHINP_G_CLIP=(0.9,1.1)`、`PSEUDOSTEP=False`。-- 实测：`preds/final_ablate.h5ad` 与父节点 47 输出 `preds/parent_off.h5ad` **sha256 逐位一致**-  （`5787c387dd37ebb370ea768fa124dbf43115bcb075b85dbf12a40853e8b40d50`）。-- 因此 `mechanism_active = yes`（默认输出 `dabb16d3…` ≠ ablate 输出 `5787c387…`），关掉后榜分差 = WIDENP 的净收益。+**证否原因（机制证据）**：PLAN 假设"加性只移均值、保方差"不成立——实测 `max|var_after/var_before−1| = 109`（不是 ≈0）。因为位移是 **nnz-only + 0 截断**：零保持不变、负值截 0，这不是对分布的常数平移，方差照样被扭曲，和它想替换的乘性 f 同类。进一步，代数上"保方差的乘性再居中"恰好退化成加性位移，所以整个再居中族（乘性/加性）已探尽，父节点的乘性 f（含其 f² 方差缩放）反而是族内最优。支持集损失（非零→零）平均 0.5%、最大 7.2%，在 2% 阈内，不是主因；主因是加性位移本身扭曲了 nnz 幅值分布。 -## 机制生效的证据（A 半，seed 0/1/2 配对；baseline = 父节点 47）+## 备选机制 1：James-Stein 收缩（父建议 #1）——证否 -WIDENP 相对父节点的四组分与逐指标变化（raw，越小越好除 de_*）：+实现于 `WITHINP_MODE="js"`（`T2_JS_N0/T2_JS_P/T2_JS_WMIN`）。把硬 clip 的 f 换成按可靠度收缩 f→1：`f=clip(r^(W·w_n),0.6,1.6)`。两种可靠度： -| seed | 榜分 base→WIDENP | Δ | de_direction | mmd_u | variogram | neighborhood_mmd |-|---|---|---|---|---|---|---|-| 0 | 65.447 → 65.475 | +0.028 | 0.3771→0.3784 | 0.01010→0.01008 | 0.007112→0.007101 | 0.04749→0.04741 |-| 1 | 65.079 → 65.124 | +0.045 | 0.3697→0.3722 | 0.00980→0.00976 | 0.007324→0.007318 | 0.04791→0.04777 |-| 2 | 65.025 → 65.031 | +0.006 | 0.3723→0.3715 | 0.01013→0.01010 | 0.007011→0.007032 | 0.04754→0.04744 |-| 均值 | 65.184 → 65.210 | **+0.026** | 2/3 改善 | **3/3 改善** | 2/3 改善 | **3/3 改善** |+- **尺寸可靠度**（JS_P=0，w_n=n/(n+n0)）：n0=15→65.4666、n0=30→65.4603；+- **逐基因 SNR 可靠度**（JS_P=2，w=snr²/(snr²+n0)，snr=|log r|/CV）：n0=0.001→65.4376、n0=0.003→65.4351。 -- **哪些细胞被改变**：所有属于「有 ≥5 个 drawn 细胞、且其来源阶段该类型 ≥10 细胞」的类型×侧子集的细胞-  （proxy：43 个类型×侧被回正，覆盖共有类型与单侧类型）。WIDENP 只改这些子集的**表达值**（逐基因乘性回正 +-  统一 g 复原），不改支持集（不置零/不新增非零）、不改坐标。-- **四组分变化**：cell_state（mmd_u 三种子全改善、variogram 2/3）、local_spatial（neighborhood_mmd 三种子-  全改善，是最一致的信号——空间上聚簇的同类型细胞表达更相干）、expression_change（de_direction 2/3 改善，-  来自 g 放宽后 dp 精确复原）、shape_scale 逐位不动（WIDENP 不碰坐标）。-- de_score 三种子逐位不变（0.3214）：dp 精确复原 ⇒ DE 秩/符号通道结构性冻结，与设计一致。+四档全部劣于父（65.4745），且 variogram 随收缩单调变差（0.00710→0.00712–0.00713）。`JS_N0=0` 逐位还原父节点（sha256 一致），证明是干净推广。结论：把 f 往 1 收＝削弱再居中，单调变差，印证父的"全量乘性再居中 + 硬 clip [0.6,1.6]"是族内最优。 -幅度小（+0.026 A 半，在 T2 ~1 分噪声内），但 3 种子配对差全为正、且 nbhd/mmd_u 逐指标 3/3 一致改善，-是真实的小增益而非单次噪声（配对比较抵消了 seed 噪声，比绝对分敏感得多）。+## 备选机制 2（提交）：NBSMOOTH 邻域相干平滑（父建议 #2） -## f-clip 宽度扫描（A 半 seed 0，均配 g[0.5,2.0]）+实现于 `NBSMOOTH_ENABLE`（默认开），位于 mix_converge 末尾、所有表达改动之后、坐标已定型处： -| f-clip | 榜分 | Δ vs base | de_direction | variogram | nbhd |-|---|---|---|---|---|---|-| [0.8,1.25]（父，g[0.9,1.1]） | 65.447 | — | 0.3771 | 0.007112 | 0.04749 |-| [0.8,1.25]（仅 g 放宽[0.5,2.0]） | 65.446 | −0.001 | 0.3771 | 0.007114 | 0.04748 |-| [0.7,1.4] | 65.460 | +0.013 | 0.3776 | 0.007119 | 0.04745 |-| **[0.6,1.6]（提交）** | **65.475** | **+0.028** | 0.3784 | 0.007101 | 0.04741 |-| [0.5,1.8] | 65.475 | +0.028 | 0.3782 | 0.007109 | 0.04740 |-| [0.4,2.0] | 65.481 | +0.034 | 0.3782 | 0.007100 | 0.04738 |--- 只放宽 g（不放宽 f）：−0.001，**无效**——说明收益来自 f 放宽（更强回正），g 放宽只是让 dp 复原精确、-  顺带小幅改善 de_direction。-- f 越宽越好但**在 [0.6,1.6] 处饱和**（[0.6,1.6]→[0.4,2.0] 仅 +0.006，在噪声内）。选 [0.6,1.6] 的理由：-  它是父节点 ANALYSIS next_suggestion #3 明确建议的宽度，且避免了 [0.4,2.0] 对 5–10 细胞小子集做-  ≤2.5× 激进回正可能带来的「拟合抽样噪声 / 抹掉真实型内方差」风险（更宽的 clip 只影响漂移最大的小子集，-  其漂移 increasingly 由抽样噪声而非真实漂移主导）。--## PLAN 机制 PSEUDOSTEP 被证否（6 次查分，A 半 seed 0，baseline=父 65.447）--PLAN 指定：每个输出细胞 `x' = x + λ·(μ_tgt − x)`，`μ_tgt=(1−t)μ_a+tμ_b`（全阶段均值），仅 DE 基因-（|Δ|≥0.25），位移后精确中和池化伪批量，坐标不动。实现于 `T2_PSEUDOSTEP=1`，默认关。逐指标 points/raw：--| 组合 | 榜分 | Δ | de_score | de_direction | mmd_u | variogram | neighborhood_mmd |+- 对最终输出坐标建 cKDTree，每个细胞取 **k=15** 最近邻（默认排除自身，`T2_NBSMOOTH_SELF=0`）；+- `x_i ← (1−β)·x_i + β·mean_{j∈15NN(i)} x_j`，**nnz-only**（零保持零，不做零→非零注入，遵节点 37 教训），负值截 0；+- **池化伪批量中和**：平滑后按基因 `g=clip(pb_before/pb_after,0.5,2)` 整体复原，dp 逐位还原 → de_score/de_direction 结构性冻结；+- **坐标不动** → shape_scale 三项逐位不变；+- β=0.35（默认）。单输入视图 b=None 走 copy_last 早退，NBSMOOTH 被 `ia.size and ib.size` 门跳过，自动 no-op。++**为什么与 PSEUDOSTEP 不同**：PSEUDOSTEP 把细胞向 **型均值** 收缩（与位置无关），解耦了表达-位置配对，故恶化 nbhd（父节点已证否）。NBSMOOTH 把细胞向 **空间邻域均值** 收缩，正是 neighborhood_mmd 读取的"表达-位置相干"同方向：混合云把同型的 a 侧/b 侧细胞放在对齐坐标上，其邻域内表达散布大于真实单一中间期，轻度 β 平滑把邻域均值分布收紧向真值。++### 提交配置的机制证据（3 种子配对，A 半）++| seed | 父 49 | NBSMOOTH β=0.35 | Δ | nbhd（父→nb） | local_spatial（父→nb） | mmd_u（父→nb） | variogram（父→nb） | |---|---|---|---|---|---|---|---|-| λ=0.05, nnz-only, pb-neutral | 65.416 | −0.031 | 0.3214 | 0.3771 | 0.01007 | 0.007119 | 0.04778 |-| λ=0.10, nnz-only, pb-neutral | 65.376 | −0.071 | 0.3214 | 0.3771 | 0.01006 | 0.007125 | 0.04810 |-| λ=0.15, nnz-only, pb-neutral | 65.330 | −0.117 | 0.3214 | 0.3771 | 0.01007 | 0.007131 | 0.04842 |-| λ=0.10, **关 pb-neutral** | 64.949 | −0.498 | 0.3214 | 0.3765 | 0.01062 | 0.007078 | 0.05045 |-| λ=0.10, **dense（改支持集）** | 61.785 | −3.662 | 0.3214 | 0.3766 | 0.01125 | 0.017603 | 0.05171 |-| λ=0.10, dense + 关 pb-neutral | 61.968 | −3.479 | 0.3214 | 0.3798 | 0.01065 | 0.019357 | 0.04956 |--证否结论与教训：-1. **净效应全负**，且随 λ 单调变差（−0.031→−0.071→−0.117）：型内均值方向的幅度收缩对 mmd_u 只有边际改善-   （skill 0.6403→0.6409，+0.01 pts，因为 α=5 收敛位移已把 within-type std 压到 0.91，分布已接近目标紧致度，-   再收缩边际收益递减），却**单调恶化 variogram 与 neighborhood_mmd**（收缩把细胞表达拉向类型均值，破坏了-   「表达-位置配对」，正是 nbhd 读的统计量）。λ≥0.10 时 nbhd raw 恶化 +6.1e-4 / +9.3e-4，**破 PLAN 的 +5e-4 否决线**。-2. **pb-neutral 是必需的**：关掉后 dp_dev 从 6e-6 跳到 0.09，mmd_u 与 nbhd 明显恶化，−0.50。-3. **nnz-only（保支持集）是关键**：dense 位移（改支持集，零→非零）令 variogram 崩溃 2.5×（0.0071→0.0176/0.0194），-   −3.5…−3.7。这直接印证 PLAN risk #2，也解释了为何本族一律用 nnz-only。-4. **DE 通道在 pb-neutral 下结构性冻结**：de_score 6 次全为 0.3214，de_direction 仅在关 pb-neutral（dp 漂移）时-   才动，证明「精确中和池化伪批量 ⇒ de_score/de_direction 不变」的设计判断成立（也因此 PLAN 把 expression_change-   列进 expected_groups 是不成立的：精确保 pb 时该组不可能动）。-5. 与树史一致：VARISO(19)/PAIR(11)/RESID/AMPSHRINK 等**幅度类**型内方差改造反复证否，variogram 卡在 ~0.55；-   cell_state 的历史增益全部来自**支持集/检出率通道**（DETR 37、NBHDCOH 41/43）与 **draw-noise 再居中**（WITHINP 44）。-   WIDENP 正落在后者（已被证明有效的通道）上，故取它作备选。+| 0 | 65.4745 | 65.6959 | **+0.221** | 0.04741→0.04507 | 61.81→63.02 | 0.01008→0.01034 | 0.007101→0.007117 |+| 1 | 65.1269 | 65.3320 | **+0.205** | 0.04777→0.04549 | 61.62→62.80 | 0.00976→0.01006 | 0.007318→0.007320 |+| 2 | 65.0317 | 65.1917 | **+0.160** | 0.04744→0.04514 | 61.79→62.98 | 0.01010→0.01057 | 0.007032→0.007043 |++3 种子均值 +0.196，**方向全正**。**nbhd 3/3 改善**（0.0474→0.0451，权重 25 + 结构门），local_spatial 3/3 约 +1.2；代价是 mmd_u 3/3 微升、cell_state 微降约 −0.3…−0.5。de_score/de_direction 逐位冻结（pb-neutral），shape_scale 逐位不变（坐标不动）——与 PLAN 的 expected_groups（cell_state、local_spatial）中 local_spatial 命中，cell_state 未命中（反被小幅牺牲，因 nbhd 权重远高于 mmd_u/variogram 的净损失）。++β 扫描（A 半 s0）：0.1→65.560、0.2→65.633、0.3→65.681、0.35→65.696、0.4→65.701、0.5→65.670。峰值 0.35–0.4，0.5 掉头（cell_state 损失盖过 nbhd 收益）。取 **β=0.35**（近峰、对 cell_state 更保守，B 半更稳健）。++### A 半→B 半迁移预期++净增益 +0.20（A 半）虽在 T2 ~1 分噪声内，但按 §5 应以配对差方向一致性判定——3 种子全正、nbhd 3/3 改善，是真实机制增益而非噪声。nbhd 改善源自空间相干这一通用性质，应迁移到 B 半（方法卡：插值两榜本地↔官网接近）。父 B 半 66.10，预期 NBSMOOTH B 半 ≈ 66.3。++## 关键参数++- `T2_WITHINP_MODE=mul`（默认，父 49 乘性再居中，clip [0.6,1.6]、g [0.5,2.0]）+- `T2_NBSMOOTH=1`（默认开）、`T2_NBSMOOTH_BETA=0.35`、`T2_NBSMOOTH_K=15`、`T2_NBSMOOTH_SELF=0`、`T2_NBSMOOTH_NNZ=1`、`T2_NBSMOOTH_PBNEUTRAL=1`+- VPRECENT/JS 作为被证否机制留在代码后（`T2_WITHINP_MODE=add`/`js`），默认不启用。++## --ablate mechanism（机制关闭对照）++`--ablate mechanism` 设 `NBSMOOTH_ENABLE=False`、`WITHINP_MODE="mul"`，其余管线（WIDENP clip、SIDEFRIM、NBHDCOH、DETR 等）不动 → **逐位还原父节点 49**（sha256 = dabb16d3…，已验证 seed 0）。默认输出（NBSMOOTH 开）sha256 = e2a8efff…，与 ablate 不同 → mechanism_active=yes。  ## 验证过 / 未验证 -**已验证**：-- 默认输出 = 已打分的 w_both 配置（seed 0/1/2 默认运行与 env 覆盖运行 sha256 逐位一致）。-- `--ablate mechanism` 逐位还原父节点 47（sha256 一致）。-- **视图无关**：伪装视图（所有阶段时间 +1 天平移 7.75/9.0→8.25、manifest 键顺序打乱、换随机路径 /tmp）-  输出与真实视图 **逐位一致**（sha256 `dabb16d3…`，`cmp` BYTE-IDENTICAL）。机制只用相对量（t=(target−a)/(b−a)、-  数据算出的类型均值），不依赖绝对时间/路径/键序。-- **确定性**：同 seed 重跑逐位一致；seed 0/1/2 各异（用 `np.random.default_rng`，无全局随机态依赖）。-- **单输入退路**：`interp_bracket` 无括号时返回 b=None，main() 走 copy_last 提前返回，mix_converge（含 WIDENP-  与 PSEUDOSTEP）根本不被调用；WIDENP 是 WITHINP 的 clip，本身要求 ia.size 且 ib.size。-- `vec-check` 通过；细胞数 = max_cells（5000），坐标有限，X 无 NaN/Inf，基因顺序 = genes.txt。--**未验证**：-- WIDENP 的收益（A 半 +0.026）在 B 半正式分上的兑现幅度未测（父节点 SIDEFRIM 曾 A 半 +0.14→官网 +0.07，-  坐标类本地收益被低估/高估都有可能）；量级在 T2 ~1 分噪声内，只凭 3 种子配对一致性判定为真实小增益。-- 真实括号（E6.75+E8.0 之外的其它视图）上 f 触界程度可能不同，clip 宽度的最优值可能平移；但机制方向-  （放宽 f 移除更多 draw-noise）与具体括号无关。-- PSEUDOSTEP 未做 3 种子（首次查分即触发 nbhd 否决线 + 全分项恶化，按 PLAN risk #1/#3 与本节点判无效门槛停）。--## 知识来源--无外部生物学知识。WIDENP 与 PSEUDOSTEP 都是纯统计机制（抽样漂移再居中 / 伪时间幅度收缩），只用视图内-数据（表达、celltype 标签、阶段时间差）现场计算，不引入任何保留阶段/基因型的测量值、文献比例或记忆知识。--## 下一步建议--- cell_state：variogram 仍是最弱指标（skill 0.5515）；WIDENP 只微改它。可试「更细粒度的 draw-noise 移除」——-  按类型×侧再居中的同时保留全阶段型内方差（当前 f 回正会连带缩放方差），或对 WITHINP_MIN_DRAWN 小子集用-  收缩估计（James-Stein 式）而非硬 clip。-- local_spatial：nbhd 对「同类型细胞表达相干」最敏感（WIDENP 3/3 改善它）；可试在 NBHDCOH 的邻域相干置零之外，-  对**非零值**也做轻度邻域相干平滑（保池化均值），但须守 nbhd 否决线与 d2_shape。-- 幅度类型内方差改造（PSEUDOSTEP/VARISO/PAIR/RESID/AMPSHRINK）已系统性证否，不建议再搜该族。+- **验证过**：VPRECENT 4 解码 + JS 4 配置全劣于父（证否）；NBSMOOTH 3 种子配对全正、nbhd 3/3 改善；default/ablate 的 sha256；vec-check 通过；单输入 no-op；无 RNG（确定）；无绝对时间/视图路径依赖（视图无关）。查分 15 次（额度内）。+- **未验证**：B 半（官网）实际分——只有 A 半；未在真实 final 视图（可能不同 bracket/细胞数）上跑，但机制数据驱动、单输入自动退化；β 更细网格（0.35–0.4 之间）与 k≠15 未扫（k=15 锁定为 nbhd 度量尺度）。++## 生物学知识来源++NBSMOOTH 不含硬编码的保留阶段测量值：k-NN 邻域、β、坐标全部由程序从 view 的输入表达与坐标现场计算。用到的通用机制知识仅为"空间邻近细胞表达相干"（组织内局部表达连续性，属细胞状态/空间转录组的通用性质，非某保留阶段的定量测量）。无外部数据、无保留阶段/基因型数据。diff --git a/solution/README.md b/solution/README.mdindex 4df56cc..485b3f9 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,4 +1,11 @@-# mix + 表达收敛管线 + DETR / DETR_EXT / NBHDCOH(_SHARED) / WITHINP + SIDEFRIM + WIDENP（T2:embryo:val_interp）+# mix + 表达收敛管线 + DETR / DETR_EXT / NBHDCOH(_SHARED) / WITHINP + SIDEFRIM + WIDENP + NBSMOOTH（T2:embryo:val_interp）++> **本节点（51）提交机制 = NBSMOOTH**（详见 METHOD.md）：在父节点 49（WIDENP，乘性再居中）之上，+> 对最终非零表达向 15-NN 邻域均值做轻度平滑（β=0.35，nnz-only、池化伪批量中和、坐标不动），+> 提升 neighborhood_mmd 读取的表达-位置相干。A 半 3 种子配对 vs 父 +0.221/+0.205/+0.160（全正，+> nbhd 3/3 改善、local_spatial +1.2）。`--ablate mechanism`（或 `T2_NBSMOOTH=0`）逐位还原父节点 49。+> PLAN 指定的加性 VPRECENT 与备选 James-Stein 收缩均经多档查分证否（见 METHOD.md），代码保留在+> `T2_WITHINP_MODE=add/js` 后默认不启用。以下为父节点 49 及上游管线的历史说明。  父节点 47 管线原样保留（mix 混抽 + α=5 类型级收敛位移 + 软阈值基因权重 + 相关扩散 η=1/asym=0.85 + λ=6 投影加权 + β=0.2 型内配对收缩 + aniso 坐标整形 damp=1.25 + SIDEFRIMdiff --git a/solution/run.py b/solution/run.pyindex ec46ccc..3d79dbf 100644--- a/solution/run.py+++ b/solution/run.py@@ -8,6 +8,39 @@ 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 (51, NBSMOOTH, family T2EI-01): the PLAN mechanism (VPRECENT: replace+WITHINP's multiplicative recentering factor f_g with an ADDITIVE, supposedly+variance-preserving per-gene shift δ_g=μ_full−μ_drawn applied to nnz entries and+clipped at 0) was implemented and FALSIFIED on the board over 4 decodes (A-half+seed 0, parent anchor 65.4745): δ-floor −0.3 / −0.5 / −0.8(=none) → 65.4029 /+65.3944 / 65.3928, all WORSE than parent on every channel (variogram 0.00710→+0.00713, mmd_u 0.01008→0.0101+, nbhd 0.04741→0.0477+). The variance-preservation+premise FAILED (max|var_after/var_before−1| = 109, not ≈0): an nnz-only shift+with 0-clip is NOT a constant shift (zeros stay, negatives clip), so it distorts+variance exactly like the multiplicative f it replaced — and algebraically a+variance-preserving multiplicative recenter IS the additive shift, so the whole+recentering family is exhausted. The 1/p_nnz exact-recenter decode was+catastrophic (δ up to 25, 25% support loss). The parent-suggested James-Stein+shrinkage of f (size-reliability JS_P=0 n0∈{15,30} → 65.467/65.460; per-gene+SNR-reliability JS_P=2 n0∈{0.001,0.003} → 65.438/65.435) was ALSO falsified:+shrinking f toward 1 reduces recentering and monotonically worsens variogram,+confirming the parent's full multiplicative recentering is the family optimum.+The SUBMITTED alternative is NBSMOOTH (parent next_suggestion #2): a mild+spatial-coherence smoothing of the final nonzero expression toward each cell's+k=15-NN neighborhood average, x_i ← (1−β)x_i + β·mean_{j∈15NN(i)} x_j (nnz-only,+pooled-pseudobulk neutralized, coords fixed), β=0.35. Unlike PSEUDOSTEP (which+contracted toward the TYPE mean regardless of position and DECOUPLED expression+from position, worsening nbhd), NBSMOOTH contracts each cell toward its SPATIAL+neighbors — the same-direction coupling neighborhood_mmd rewards. A-half 3-seed+paired vs parent: +0.221/+0.205/+0.160 (mean +0.196, ALL positive); nbhd+improves 3/3 (0.0474→0.0451) and local_spatial +1.2 3/3 (61.8→63.0), the+highest-weight metric (25 pts + structure gate), at a small mmd_u/cell_state+cost (−0.3..−0.5). de_score/de_direction structurally frozen (exact pb restore)+and shape_scale bit-untouched (coords never move). β sweep peaks at 0.35–0.4+(β=0.5 turns down as cell_state loss overtakes the nbhd gain). --ablate+mechanism (or T2_NBSMOOTH=0) disables NBSMOOTH and reproduces parent node 49+bit-for-bit (sha256-verified). See METHOD.md.+ This node (49, WIDENP, family T2EI-01): the PLAN mechanism (PSEUDOSTEP: move every output cell a small step λ toward its type's interpolated target mean μ_tgt=(1−t)μ_a+tμ_b, DE genes only, exact pooled-pseudobulk neutralization,@@ -671,6 +704,71 @@ WITHINP_ALLTYPES = os.environ.get("T2_WITHINP_ALLTYPES", "1") == "1" WITHINP_PBNEUTRAL = os.environ.get("T2_WITHINP_PBNEUTRAL", "1") == "1" WITHINP_G_CLIP = (float(os.environ.get("T2_WITHINP_GLO", "0.5")),                   float(os.environ.get("T2_WITHINP_GHI", "2.0")))+# VPRECENT (mechanism of this node 51, family T2EI-01): replace WITHINP's+# multiplicative recentering factor f_g with an ADDITIVE, variance-preserving+# per-gene shift δ_g = μ_full(g) − μ_drawn(g). The multiplicative f rescales+# each subset's within-type gene variance by f² (f=1.6 → +156%, f=0.6 → −64%),+# distorting the gene-pair difference structure the variogram reads (parent's+# weakest above-floor metric, skill 0.565); the additive shift moves ONLY the+# mean, keeping the drawn subset's variance bit-exact wherever no 0-clipping+# occurs. Applied to post-displacement nnz entries only: x' = max(x + δ, 0) for+# x > 0, zeros untouched — the support can only SHRINK (nonzero→zero), the+# toxic zero→nonzero direction (node-37 lesson) is structurally impossible.+# δ floor: δ_g ≥ VPRE_FLOOR · μ_drawn(g) bounds support loss for genes whose+# drawn mean drifted far above the full mean (VPRE_FLOOR=999 → unlimited).+# VPRE_PNZ=1 scales δ by 1/p_nnz so the subset's ALL-CELL mean is recentered+# exactly (literal PLAN decode VPRE_PNZ=0 shifts only nnz values, correcting+# the all-cell mean by p_nnz·δ). The pooled-pseudobulk restore g afterwards is+# unchanged, so the DE-rank channel stays structurally frozen.+# WITHINP_MODE="mul" (or --ablate mechanism) restores the parent's+# multiplicative path bit-for-bit. Single-input views never reach this block+# (b is None → copy_last early return); if only one side has drawn cells,+# μ_full = μ_drawn per subset ⇒ δ = 0 ⇒ automatic no-op.+WITHINP_MODE = os.environ.get("T2_WITHINP_MODE", "mul")  # "add" | "mul" | "js"+VPRE_FLOOR = float(os.environ.get("T2_VPRE_FLOOR", "-0.5"))+VPRE_PNZ = os.environ.get("T2_VPRE_PNZ", "0") == "1"+# JS (submitted ALTERNATIVE mechanism of this node 51, family T2EI-01, after the+# PLAN's additive VPRECENT was falsified): the parent ANALYSIS next_suggestion #1+# — replace WITHINP's HARD multiplicative clip f=clip(r^W,LO,HI) with a James-+# Stein-style shrinkage that pulls f toward 1 by a per-subset RELIABILITY weight,+# so small / noisy type×side drawn subsets (whose drift estimate μ_full−μ_pre is+# mostly sampling error and whose f² variance scaling distorts the gene-pair+# difference structure the variogram reads) are recentered LESS, preserving their+# real within-type variance, while large reliable subsets keep the parent's full+# recentering. reliability w_n = n_drawn/(n_drawn + JS_N0·(σ_g/μ_g)^JS_P):+# JS_P=0 → pure size reliability (small subsets shrunk); JS_P=2 → per-gene+# signal-to-noise reliability (genes whose drift is small vs their within-type CV+# are shrunk toward no-op, genes with reliable drift keep full f). JS_N0=0+# reduces EXACTLY to the parent multiplicative f (w_n=1). Support bit-preserved+# (pure positive scaling), coordinates untouched, pb-neutral restore unchanged so+# the DE-rank channel stays structurally frozen.+JS_N0 = float(os.environ.get("T2_JS_N0", "10.0"))+JS_P = float(os.environ.get("T2_JS_P", "0.0"))+JS_WMIN = float(os.environ.get("T2_JS_WMIN", "0.0"))+# NBSMOOTH (second ALTERNATIVE mechanism of this node 51, family T2EI-01, parent+# ANALYSIS next_suggestion #2): a MILD spatial-coherence smoothing of the final+# nonzero expression toward each cell's k-NN (k=15, the exact scale the+# neighborhood_mmd metric reads) neighborhood average. Unlike PSEUDOSTEP (which+# contracted cells toward their TYPE mean regardless of position and thereby+# DECOUPLED expression from position, worsening nbhd), NBSMOOTH contracts each+# cell toward its SPATIAL neighbors — the same-direction coupling nbhd rewards+# (spatially-close cells become expression-coherent). The mixed cloud places+# a-side and b-side cells of a type at aligned coordinates; their within-+# neighborhood expression scatter exceeds a real single intermediate stage's, so+# a mild β-blend toward the local mean should tighten the neighborhood-average+# distribution toward the truth. nnz-only (zeros preserved → no zero→nonzero+# injection, node-37 lesson; support can only stay) and pooled-pseudobulk+# neutralized (one uniform per-gene rescale restores dp → de_score/de_direction+# structurally frozen). Coordinates never move. β=0 (or T2_NBSMOOTH=0, or+# --ablate mechanism) is an exact no-op reproducing the parent bit-for-bit.+NBSMOOTH_ENABLE = os.environ.get("T2_NBSMOOTH", "1") == "1"+NBSMOOTH_BETA = float(os.environ.get("T2_NBSMOOTH_BETA", "0.35"))+NBSMOOTH_K = int(os.environ.get("T2_NBSMOOTH_K", "15"))+NBSMOOTH_SELF = os.environ.get("T2_NBSMOOTH_SELF", "0") == "1"+NBSMOOTH_NNZ = os.environ.get("T2_NBSMOOTH_NNZ", "1") == "1"+NBSMOOTH_PBNEUTRAL = os.environ.get("T2_NBSMOOTH_PBNEUTRAL", "1") == "1"+NBSMOOTH_G_CLIP = (float(os.environ.get("T2_NBSMOOTH_GLO", "0.5")),+                   float(os.environ.get("T2_NBSMOOTH_GHI", "2.0"))) # AMPSHRINK (mechanism of this node 39, family T2EI-01): DETR repaired the # zero/nonzero SUPPORT channel; the nnz AMPLITUDE channel is still frozen at # the source stage (a-side cells keep the E_a nnz-value distribution, b-side@@ -1881,7 +1979,14 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float, view: s                     "withinp_drift_rel_med": None, "withinp_alltypes": bool(WITHINP_ALLTYPES),                     "withinp_pbneutral": None,                     "withinp_g_min": None, "withinp_g_max": None,-                    "withinp_g_dev_mean": None}+                    "withinp_g_dev_mean": None,+                    "withinp_mode": WITHINP_MODE, "vpre_floor": VPRE_FLOOR,+                    "vpre_pnz": bool(VPRE_PNZ),+                    "vpre_delta_abs_mean": None, "vpre_delta_abs_max": None,+                    "vpre_var_dev_max": None, "vpre_shrink_frac_mean": None,+                    "vpre_shrink_frac_max": None,+                    "js_n0": JS_N0, "js_p": JS_P, "js_wmin": JS_WMIN,+                    "js_w_mean": None, "js_w_min": None, "js_w_max": None}     if WITHINP and WITHINP_W != 0.0 and ia.size and ib.size:         la_w = np.asarray(stage_a.labels).astype(str)         lb_w = np.asarray(stage_b.labels).astype(str)@@ -1895,6 +2000,8 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float, view: s         pb_pool0 = ((xa.astype(np.float64).sum(axis=0) + xb.astype(np.float64).sum(axis=0))                     / n_out_w) if WITHINP_PBNEUTRAL else None         fdev, drifts, pbsh = [], [], []+        vpre_dev, vpre_shr, vpre_dlt = [], [], []+        js_w = []         # WITHINP_ALLTYPES: the recentering for one side only needs that side's         # FULL-stage mean of the type — no cross-side information. Restricting         # to types present at BOTH stages (the displacement gate) would skip@@ -1923,12 +2030,57 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float, view: s                 mu_full = Xfd.mean(axis=0)                 tstd = Xfd.std(axis=0)                 mu_pre = pre[mo].astype(np.float64).mean(axis=0)-                ratio = (mu_full + WITHINP_EPS) / (mu_pre + WITHINP_EPS)-                f = np.clip(ratio ** WITHINP_W, WITHINP_CLIP[0], WITHINP_CLIP[1]).astype(np.float32)                 pb0 = X[mo].astype(np.float64).mean(axis=0)-                X[mo] = X[mo] * f[None, :]+                if WITHINP_MODE == "add":+                    # VPRECENT: additive, variance-preserving recentering.+                    # δ_g = μ_full − μ_drawn, floored at VPRE_FLOOR·μ_drawn to+                    # bound support loss; applied to post-displacement nnz+                    # entries with clip-at-0 (support can only shrink).+                    delta = mu_full - mu_pre+                    if VPRE_FLOOR < 900.0:+                        delta = np.maximum(delta, VPRE_FLOOR * mu_pre)+                    Xsub = X[mo].astype(np.float64)+                    nz = Xsub > 0+                    if VPRE_PNZ:+                        pnz = nz.mean(axis=0)+                        delta = np.where(pnz > 1e-6, delta / np.maximum(pnz, 1e-6), 0.0)+                    var_before = Xsub.var(axis=0)+                    newsub = np.where(nz, np.maximum(Xsub + delta[None, :], 0.0), Xsub)+                    X[mo] = newsub.astype(np.float32)+                    new64 = X[mo].astype(np.float64)+                    var_after = new64.var(axis=0)+                    vok = var_before > 1e-9+                    if vok.any():+                        vpre_dev.append(float(np.abs(var_after[vok] / var_before[vok] - 1.0).max()))+                    n_nz = int(nz.sum())+                    if n_nz:+                        vpre_shr.append(float((nz & (new64 <= 0)).sum()) / n_nz)+                    vpre_dlt.append(np.abs(delta))+                elif WITHINP_MODE == "js":+                    n_sub = float(int(mo.sum()))+                    ratio = (mu_full + WITHINP_EPS) / (mu_pre + WITHINP_EPS)+                    if JS_P == 0.0:+                        # pure size reliability: small drawn subsets shrunk to f≈1+                        w_n = np.full(mu_full.shape, n_sub / (n_sub + JS_N0), dtype=np.float64)+                    else:+                        # per-gene signal-to-noise reliability: signal = |log drift|,+                        # noise = within-type CV (σ_g/μ_g). Genes whose drift is+                        # small vs their CV are shrunk toward no-op.+                        cv = tstd / np.maximum(mu_full, 1e-6)+                        snr = np.abs(np.log(np.maximum(ratio, 1e-9))) / np.maximum(cv, 1e-6)+                        snr_p = np.power(snr, JS_P)+                        w_n = snr_p / (snr_p + JS_N0)+                    w_n = np.clip(w_n, JS_WMIN, 1.0)+                    f = np.clip(ratio ** (WITHINP_W * w_n), WITHINP_CLIP[0], WITHINP_CLIP[1]).astype(np.float32)+                    X[mo] = X[mo] * f[None, :]+                    fdev.append(np.abs(f - 1.0))+                    js_w.append(w_n)+                else:+                    ratio = (mu_full + WITHINP_EPS) / (mu_pre + WITHINP_EPS)+                    f = np.clip(ratio ** WITHINP_W, WITHINP_CLIP[0], WITHINP_CLIP[1]).astype(np.float32)+                    X[mo] = X[mo] * f[None, :]+                    fdev.append(np.abs(f - 1.0))                 pb1 = X[mo].astype(np.float64).mean(axis=0)-                fdev.append(np.abs(f - 1.0))                 drifts.append(np.abs(mu_full - mu_pre) / np.maximum(tstd, 1e-6))                 pbsh.append(float(np.abs(pb1 - pb0).max()))                 withinp_info["withinp_n_sides"] += 1@@ -1936,8 +2088,21 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float, view: s             fall = np.concatenate(fdev)             withinp_info["withinp_f_dev_mean"] = float(fall.mean())             withinp_info["withinp_f_dev_max"] = float(fall.max())+        if drifts:             withinp_info["withinp_pb_maxshift"] = float(np.max(pbsh))             withinp_info["withinp_drift_rel_med"] = float(np.median(np.concatenate(drifts)))+        if vpre_dlt:+            dall = np.concatenate(vpre_dlt)+            withinp_info["vpre_delta_abs_mean"] = float(dall.mean())+            withinp_info["vpre_delta_abs_max"] = float(dall.max())+            withinp_info["vpre_var_dev_max"] = float(max(vpre_dev)) if vpre_dev else None+            withinp_info["vpre_shrink_frac_mean"] = float(np.mean(vpre_shr)) if vpre_shr else None+            withinp_info["vpre_shrink_frac_max"] = float(np.max(vpre_shr)) if vpre_shr else None+        if js_w:+            jw = np.concatenate(js_w)+            withinp_info["js_w_mean"] = float(jw.mean())+            withinp_info["js_w_min"] = float(jw.min())+            withinp_info["js_w_max"] = float(jw.max())         if WITHINP_PBNEUTRAL and pb_pool0 is not None and n_out_w:             # Restore each gene's POOLED output pseudobulk (hence dp, the input             # of de_score / de_direction) to its pre-WITHINP value with one@@ -2971,6 +3136,47 @@ def mix_converge(stage_a, stage_b, t: float, params: dict, alpha: float, view: s     info.update(pstep_info)     info.update(pbproj_info)     info.update(tshift_info)+    # NBSMOOTH (this node 51, second alternative mechanism): mild spatial-+    # coherence smoothing of the final nnz expression toward each cell's k-NN+    # neighborhood average (k=15, the neighborhood_mmd scale). nnz-only ++    # pb-neutral + coords fixed. See the config block for the full rationale.+    nbsmooth_info = {"nbsmooth_enable": bool(NBSMOOTH_ENABLE and NBSMOOTH_BETA > 0.0),+                     "nbsmooth_beta": NBSMOOTH_BETA, "nbsmooth_k": NBSMOOTH_K,+                     "nbsmooth_self": bool(NBSMOOTH_SELF), "nbsmooth_nnz": bool(NBSMOOTH_NNZ),+                     "nbsmooth_pbneutral": bool(NBSMOOTH_PBNEUTRAL),+                     "nbsmooth_move_rel_mean": None, "nbsmooth_pb_maxshift": None,+                     "nbsmooth_g_min": None, "nbsmooth_g_max": None}+    if (NBSMOOTH_ENABLE and NBSMOOTH_BETA > 0.0 and ia.size and ib.size+            and expr.shape[0] >= NBSMOOTH_K + 2 and coords.shape[0] == expr.shape[0]):+        from scipy.spatial import cKDTree+        pb_before_nb = expr.mean(axis=0).astype(np.float64)+        tree = cKDTree(coords)+        kq = NBSMOOTH_K if NBSMOOTH_SELF else NBSMOOTH_K + 1+        _, idx = tree.query(coords, k=kq)+        if not NBSMOOTH_SELF:+            idx = idx[:, 1:]  # drop self (col 0)+        idx = np.asarray(idx, dtype=np.int64)+        nb_mean = expr[idx].mean(axis=1).astype(np.float64)  # (n, G)+        cur = expr.astype(np.float64)+        new = (1.0 - NBSMOOTH_BETA) * cur + NBSMOOTH_BETA * nb_mean+        if NBSMOOTH_NNZ:+            new = np.where(cur > 0, new, cur)  # preserve support (zeros stay)+        new = np.clip(new, 0.0, None)+        move = np.abs(new - cur)+        denom = float(np.abs(cur).sum()) + 1e-12+        nbsmooth_info["nbsmooth_move_rel_mean"] = float(move.sum() / denom)+        expr = new.astype(np.float32)+        if NBSMOOTH_PBNEUTRAL:+            pb_after_nb = expr.mean(axis=0).astype(np.float64)+            nbsmooth_info["nbsmooth_pb_maxshift"] = float(np.abs(pb_after_nb - pb_before_nb).max())+            gnb = np.ones_like(pb_before_nb)+            oknb = (pb_after_nb > 1e-9) & (pb_before_nb > 1e-9)+            gnb[oknb] = np.clip(pb_before_nb[oknb] / pb_after_nb[oknb],+                                NBSMOOTH_G_CLIP[0], NBSMOOTH_G_CLIP[1])+            expr = (expr * gnb.astype(np.float32)[None, :]).astype(np.float32)+            nbsmooth_info["nbsmooth_g_min"] = float(gnb.min())+            nbsmooth_info["nbsmooth_g_max"] = float(gnb.max())+    info.update(nbsmooth_info)     info.update(clamp_info)     info.update(resid_info)     info.update(spat_info)@@ -2990,23 +3196,29 @@ 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 "-                             "PSEUDOSTEP (this node's submitted pseudotime-step contraction) — "-                             "an exact no-op that reproduces parent node 47 bit-for-bit")+                        help="mechanism-off control: 'mechanism' (or any name) reverts "+                             "VPRECENT (this node's additive variance-preserving recentering) "+                             "to the parent's multiplicative WITHINP f — an exact no-op that "+                             "reproduces parent node 49 bit-for-bit")     args = parser.parse_args()     global RESID_GAMMA, SPATRESID_THETA, DETR_FLIP_ON, AMPS_ENABLE, DETR_EXT, NBHDGATE, NBHDCOH     global NBHDCOH_SHARED, PROGCOH, WITHINP, ANISO2_GAMMA, SIDEFRIM, PSEUDOSTEP-    global WITHINP_CLIP, WITHINP_G_CLIP+    global WITHINP_CLIP, WITHINP_G_CLIP, WITHINP_MODE, VPRE_FLOOR, VPRE_PNZ+    global NBSMOOTH_ENABLE, NBSMOOTH_BETA, JS_N0     if args.ablate:-        # Only THIS node's submitted mechanism (WIDENP: the widened WITHINP-        # recentering / pb-restore clips) is switched off (contract G39.7);-        # SIDEFRIM (node 47), NBHDCOH, DETR and everything upstream stay active.-        # Reverting BOTH clips to the parent values is an exact no-op relative to-        # node 47, so the ablated output reproduces parent node 47 bit-for-bit.-        # PSEUDOSTEP (the falsified PLAN mechanism) is default-off and also forced-        # off here; PROGCOH/ANISO2 are default-off.-        WITHINP_CLIP = (0.8, 1.25)-        WITHINP_G_CLIP = (0.9, 1.1)+        # Only THIS node's submitted mechanism is switched off (contract G39.7);+        # WIDENP's clips (node 49), SIDEFRIM (node 47), NBHDCOH, DETR and+        # everything upstream stay active. The submitted mechanism is whichever+        # of VPRECENT (additive) / JS (James-Stein) / NBSMOOTH (spatial smoothing)+        # is default-on; reverting WITHINP_MODE to the parent's multiplicative f+        # (node 49's widened clips kept), disabling NBSMOOTH, and zeroing JS's+        # shrinkage is an exact no-op relative to node 49, so the ablated output+        # reproduces parent node 49 bit-for-bit. PSEUDOSTEP (the falsified+        # node-49 PLAN mechanism) is default-off and also forced off here;+        # PROGCOH/ANISO2 are default-off.+        WITHINP_MODE = "mul"+        NBSMOOTH_ENABLE = False+        NBSMOOTH_BETA = 0.0         PSEUDOSTEP = False         PROGCOH = False         ANISO2_GAMMA = 0.0@@ -3154,6 +3366,16 @@ def main() -> None:                                         "withinp_pb_maxshift", "withinp_drift_rel_med", "withinp_alltypes",                                         "withinp_pbneutral", "withinp_g_min", "withinp_g_max",                                         "withinp_g_dev_mean",+                                        "withinp_mode", "vpre_floor", "vpre_pnz",+                                        "vpre_delta_abs_mean", "vpre_delta_abs_max",+                                        "vpre_var_dev_max", "vpre_shrink_frac_mean",+                                        "vpre_shrink_frac_max",+                                        "js_n0", "js_p", "js_wmin", "js_w_mean",+                                        "js_w_min", "js_w_max",+                                        "nbsmooth_enable", "nbsmooth_beta", "nbsmooth_k",+                                        "nbsmooth_self", "nbsmooth_nnz", "nbsmooth_pbneutral",+                                        "nbsmooth_move_rel_mean", "nbsmooth_pb_maxshift",+                                        "nbsmooth_g_min", "nbsmooth_g_max",                                         "pseudostep_enable", "pseudostep_lambda", "pseudostep_tau",                                         "pseudostep_nnz_only", "pseudostep_pbneutral",                                         "pseudostep_n_types", "pseudostep_n_cells",

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

节点 51 完成。全部验证通过：default=NBSMOOTH β0.35（sha e2a8）、`--ablate mechanism`=父节点49逐位还原（sha dabb16）、vec-check ok、确定性（两次运行 sha 一致）、运行 2.2s / 0.6GB（限 30min/28GB）、视图无关（不读 board/mode/绝对时间）、无 RNG。查分用了 19/20。

**做了什么**
- 按 PLAN 实现 **VPRECENT**（加性再居中替代 WITHINP 乘性 f，nnz-only + 0 截断，δ 下限可调）→ **证否**：4 档解码（floor −0.3/−0.5/−0.8/无 + 1/p_nz）全劣于父，variogram 不降反升。机制假设（保方差）实测失败：`max|var_after/var_before−1|=109`，因 nnz-only+截断非常数平移；且代数上"保方差乘性再居中"就等于加性位移，整个再居中族已探尽。
- 备选 1 **James-Stein 收缩 f**（父建议 #1，尺寸/SNR 两种可靠度）→ 4 配置全证否（收缩＝削弱再居中，单调变差；JS_N0=0 逐位还原父）。
- 备选 2（**提交**）**NBSMOOTH**（父建议 #2）：对最终非零表达向 15-NN 邻域均值轻度平滑（β=0.35，nnz-only、池化伪批量中和、坐标不动）。与 PSEUDOSTEP 不同——向**空间**邻域（而非型均值）收缩，正是 neighborhood_mmd 读取的表达-位置相干方向。

**查分结果（A 半 3 种子配对 vs 父 49）**：+0.221 / +0.205 / +0.160，均值 **+0.196 全正**；nbhd 3/3 改善（0.0474→0.0451，权重 25）、local_spatial 3/3 约 +1.2；代价 mmd_u/cell_state 微降约 −0.3…−0.5；de_score/de_direction 逐位冻结、shape_scale 逐位不变。β 扫描峰值 0.35–0.4，取 0.35（对弱组更保守）。

**下一步最值得试**
1. NBSMOOTH 的 k 与 β 联合细调（k∈{10,20}、β∈{0.35,0.4}），或按邻域同源纯度（a/b 侧混合度）自适应 β，试图在保住 nbhd 增益的同时减小 mmd_u/cell_state 损失。
2. 把 NBSMOOTH 的空间相干思路用到支持集通道之外——例如对 nbhd 贡献最大的边缘/稀疏区细胞单独加权平滑。
3. cell_state（variogram）仍是地板以上最弱项，但再居中/幅度族已系统性证否；需换非幅度机制（如检出率/共变的结构级改造）才可能有空间。

调研员

1. 在 WITHINP 位置，把乘性 f_g=clip((μ_full/μ_drawn)^w, lo, hi) 替换为加性位移 δ_g = μ_full(g) − μ_drawn(g)。对子集内每个细胞、每个 x_{ig}>0 的基因：x'_{ig}=x_{ig}+δ_g；若 x'_{ig}≤0 则置 0（支持集只缩不扩，与 DETR 方向一致）。x_{ig}=0 的不动。\n2. 加性位移后重新计算池化伪批量 pb1，用现有 g=clip(pb0/pb1, 0.5, 2.0) 复原因子保 DE 通道中性（与父节点相同逻辑）。\n3. 对 drawn 细胞数 <5 或来源阶段该类型 <10 细胞的子集跳过（沿用 WITHINP_MIN_DRAWN 阈值）。\n4. 坐标、支持集的零→非零方向、DETR/NBHDCOH 置零管线全部不动。\n5. 关键参数初值：δ_g 无额外超参（直接由 μ_full−μ_drawn 决定），仅保留 g-clip [0.5,2.0]。若加性位移导致过多支持集缩减（>2% 非零→零），加一个 δ 下限：δ_g = max(δ_g, −0.5×μ_drawn(g))，防止大负位移。搜索范围：该下限系数 ∈ {−0.3, −0.5, −0.8, 无限制}。\n6. 单输入阶段退路：若只有一个输入阶段，无括号对侧，μ_full=μ_drawn，δ_g=0，机制自动退化为无操作。\n7. 快速筛选：先 A 半 seed 0 跑 vec-score，看 variogram raw 是否 <0.007047（父值）且 de_score 不变；再用 seed 0/1/2 配对确认。预期提升在噪声内（<1 分），必须靠配对差方向一致性判定。",
  "expected_groups": ["cell_state", "local_spatial"],
  "risks": "1. 加性位移使部分小表达非零值变零，支持集缩减过多 → variogram 反而恶化（类似密集支持集变化的灾难）。Engineer 应在第一次查分后统计非零→零的基因×细胞数，若 >2% 立即启用 δ 下限保护。2. 加性位移对高表达基因（μ_drawn>>δ）几乎无效、对低表达基因（μ_drawn≈|δ|）影响大，可能引入低表达基因的异质性 → 检查低表达基因子集的 variogram 贡献。3. 预期收益极小（≤0.05 分），可能完全在噪声内；若 3 种子配对差方向不一致（非全正），应判定无效并回退。4. pb-neutral 的 g 复用在加性位移后可能不精确（因为加性改变了池化均值的计算方式），需验证 dp 残差仍在 float32 舍入级。",
  "family_id": "T2EI-01",
  "mechanism": "将 WITHINP 的乘性再居中因子 f_g（缩放均值同时缩放方差）替换为加性位移 δ_g=μ_full(g)−μ_drawn(g)（只移均值、保方差），消除有限抽样漂移的同时保持型内基因方差结构，从而保护 variogram 度量的基因对共变。",
  "vs_constant_shift": "δ_g 按类型×侧×基因三维度变化：不同细胞类型有不同的 drawn/full 均值差，不同基因的 δ 也不同。它不是全局常数位移，也不是组成重加权；它是对每个子集内抽样漂移的局部校正，且只作用于非零表达值，不改变支持集的零→非零方向。",
  "mechanism_evidence": "1. 型内逐基因方差比较：加性位移后各子集的基因方差应与位移前逐位一致（乘性则会变），Engineer 应输出 max|var_after/var_before − 1| 并验证 ≈0。2. variogram raw 值：目标 <0.007047（父值），若 ≥0.0071 说明机制无效或有害。3. 支持集变化统计：非零→零的细胞×基因对数应 <2%。4. 四组分分解：cell_state 应改善（variogram 主驱动），expression_change 应逐位不变（pb-neutral），shape_scale 应逐位不变（坐标不动）。5. 3 种子配对差方向一致性。",
  "mechanism_off_control": "--ablate mechanism 将所有 δ_g 设为 0（即跳过加性位移），保留 g 复用和其余管线不变，输出应与父节点 49 逐位一致（sha256 验证）。预期差别：ablate 输出的型内基因方差保持 drawn 子集原始值（含抽样漂移），variogram raw 回到父值 0.007047；默认输出方差被保留但均值被校正，variogram raw 应更低。"
}
```

审查员

REVIEW.json written