总览 · ← 返回运行 20261003-172000-search-t2-heart-extrap-chain-12h

节点 n35 在终选来历上

再闭合场 log(r_i) 在坐标15-NN上低通（β=0.15）并按数据自算中位总量电平中性化；de_direction/de_score/mmd_u 升、nb_mmd 略升（该项假设被证否）

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 b7b5f10d06: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 5825f4a271。改动的文件：solution/METHOD.md +79 −94、solution/README.md +19 −16、solution/run.py +183 −20

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 3cb9268..a44397b 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,94 +1,79 @@-几何再闭合 γ 从父边界 0.45 延伸至内点最优 1.35，并把平滑底物 ε 联合重扫到 0.1（γ×ε 联合网格 20 次查分），de_direction/de_score/variogram 全树最佳；坐标、行序、细胞数、门控、PBC、α=1、k=0.5 全部冻结承自父节点 31。--- family_id: T2HX-01-- parent: node 31（γ=0.45, ε=0.4，A 半 56.33 / 正式 56.60）-- 提交配置: VEC_GAMMA=1.35, VEC_SMOOTH_EPS=0.1（仅改这两个默认值，代码逻辑与父节点相同）--## 方法--基座完全承自父节点 31：坐标 15-NN 两步支撑掩码扩散平滑（ε）→ 按型 rel 速度-v_t=(pb_a−pb_p)/(pb_p+1) 软阈值（k=0.5）乘法外推（α=1，log 域 x·2^v，零保持零）→-几何均值再闭合 s_i=(r_med/r_i)^γ（r_i=位移后/位移前线性总量比）→ PBC=10 亮度钳制；-坐标、行序、细胞数、组成、双硬门控（std(dp)≥1%·std(dt_approx)、spearman≥0.3）不变。-本节点只做 PLAN 指定的 γ 边界延伸与 γ×ε 联合重扫：γ 是几何再闭合强度（校准"库容量-不变量恢复"与"跨基因 dp 排序保持"的权衡点），ε 是平滑底物强度（节点 29 在旧的线性-再闭合下优化过，机制切换后需重扫）。无新生物学假设，未使用任何新的外部知识条目-（生物学知识来源承自父/祖先节点，本节点为纯算法参数定位）。--## 查分记录（20/20 次，全部 task T2:heart:val_extrap/proxy_noscale，seed 0，A 半）--父节点同半参考（node 31 METHOD 记录）：γ0.45/ε0.4 → 56.33，de_score 0.2222、-de_direction 0.3215、mmd_u 0.04542、nb_mmd 0.07932。--| γ | ε | α | 榜分 | de_score | de_direction | mmd_u | variogram | nb_mmd |-|---|---|---|---|---|---|---|---|---|-| 0.6 | 0.4 | 1 | 56.468 | 0.25 | 0.3300 | 0.04534 | 0.03955 | 0.07963 |-| 0.75 | 0.4 | 1 | 56.467 | 0.25 | 0.3353 | 0.04547 | 0.03942 | 0.07997 |-| 0.9 | 0.4 | 1 | 56.566 | 0.2639 | 0.3471 | 0.04595 | 0.03892 | 0.08029 |-| 0.9 | 0.3 | 1 | 56.475 | 0.2361 | 0.3490 | 0.04589 | 0.03938 | 0.07956 |-| 0.9 | 0.5 | 1 | 56.203 | 0.2222 | 0.3215 | 0.04703 | 0.03782 | 0.08134 |-| 1.1 | 0.25 | 1 | 56.676 | 0.25 | 0.3552 | 0.04707 | 0.03714 | 0.07940 |-| 1.2 | 0.4 | 1 | 56.620 | 0.2639 | 0.3528 | 0.04826 | 0.03602 | 0.08101 |-| 1.2 | 0.35 | 1 | 56.634 | 0.25 | 0.3584 | 0.04802 | 0.03608 | 0.08049 |-| 1.2 | 0.3 | 1 | 56.680 | 0.25 | 0.3602 | 0.04789 | 0.03614 | 0.08005 |-| 1.2 | 0.25 | 1 | 56.700 | 0.25 | 0.3597 | 0.04780 | 0.03621 | 0.07974 |-| 1.2 | 0.2 | 1 | 56.706 | 0.25 | 0.3594 | 0.04775 | 0.03631 | 0.07958 |-| 1.2 | 0.15 | 1 | 56.692 | 0.25 | 0.3577 | 0.04775 | 0.03641 | 0.07956 |-| 1.2 | 0.5 | 1 | 56.200 | 0.2222 | 0.3316 | 0.04928 | 0.03578 | 0.08231 |-| 1.2 | 0.25 | 0.85 | 56.518 | 0.25 | 0.3566 | 0.04643 | 0.03979 | 0.07937 |-| 1.2 | 0.25 | 1.15 | 56.697 | 0.2639 | 0.3754 | 0.05050 | 0.03387 | 0.08198 |-| 1.35 | 0.2 | 1 | 56.760 | 0.25 | 0.3768 | 0.04890 | 0.03515 | 0.08026 |-| **1.35** | **0.1** | **1** | **56.792（提交）** | 0.2639 | 0.3730 | 0.04888 | 0.03531 | 0.08025 |-| 1.35 | 0.0 | 1 | 56.579 | 0.2361 | 0.3691 | 0.04911 | 0.03547 | 0.08084 |-| 1.5 | 0.4 | 1 | 56.370 | 0.2361 | 0.3672 | 0.05150 | 0.03414 | 0.08307 |-| 1.5 | 0.2 | 1 | 56.726 | 0.25 | 0.3829 | 0.05011 | 0.03425 | 0.08112 |--## 机制生效证据（PLAN mechanism_evidence 对应）--1. de_direction（连续量、最灵敏）随 γ 单调上升：ε=0.4 下 0.3215(父)→0.33→0.3353→-   0.3471→0.3528→0.3672；ε=0.2 下 1.35γ 达 0.3768、1.5γ 达 0.3829——远超历史 ±0.01-   抖动，为机制级（几何再闭合强度）效应而非噪声。-2. de_score 涨 ≥3 个量化步（0.2222→0.25→0.2639，步长 ~0.0139）。-3. 离线 spearman(dp, dt_approx)（DEBUG renorm_geo）随 γ 从 0.3981(0.45) 降到-   0.2274(1.5)，但**对真实目标**的 de_direction 反而升：dt_approx（锚−前一输入）只是-   真实 dt 的代理，更强的再闭合把 dp 排序从"对上一步的变化"转向"对目标的变化"。-4. nb_mmd 代价：0.0793(父)→0.0803(提交)，−0.07 分；skill 0.589 ≫ 0.5，结构门保持 1，-   未连带扣形状分。mmd_u 0.0454→0.0489（−0.2 分），variogram 0.0388→0.0353（+0.4 分）。-5. ε=0 对照（56.579）证明平滑底物在 γ=1.35 下仍有贡献，ε=0.1 是内点（0.0/0.1/0.2 →-   56.58/56.79/56.76）。--## 与 PLAN 判据的偏差--- PLAN 步骤1 预期在 γ≤0.9 内取点、nb_mmd 目标收回 ≤0.0757：实际 γ 在 ε=0.4 下到 1.2-  仍在升（1.5 才掉头），nb_mmd 未收回 0.0757 而是稳定在 0.0795–0.0805；ε 联合重扫把-  总分最优点移到 (1.35, 0.1)。选择依据是榜分与 de_direction/de_score 同向、nb_mmd-  skill 远高于门槛，符合"以指标 raw 为准、不以单项阈值一刀切"的读分原则。-- α 交互（步骤3）：α=0.85/1.15 @ (1.2, 0.25) → 56.52/56.70，均不优于 α=1.0（56.70），-  且 α=1.15 的 nb_mmd 0.08198 超 PLAN 界，故保持 α=1.0。--## 对照与合规--- `--ablate mechanism`（或任意名）：仅把再闭合退回同 γ=1.35 的逐细胞线性总量回拉，-  其余管线不变（与 PLAN mechanism_off_control 一致）。本地验证 ablate 输出与机制开-  输出逐位不同（mechanism_active 应为 yes）。预期 de_score/de_direction 下降。-- 确定性：seed 0 与 seed 1 输出逐位相同（锚阶段 n=24826 ≤ max_cells，分层抽样返回-  全部行；机制本身无随机性）。-- 视图无关：在伪装视图（路径改变、manifest 键序打乱、所有阶段时间 +1 天）上重跑，-  X 与坐标逐位相同；代码只用输入顺序与时间差，不用绝对时间、不读 board/mode 字段。-- 单输入阶段退路：extrap_step 无前阶段或锚≠末输入时回退 α=0（逐位 copy_last），与父一致。-- vec-check（--task T2:heart:val_extrap/proxy_noscale）：ok, errors=[]。运行 ~3 s、CPU、-  峰值内存 ~1.5 GB，EXECUTION.json {"gpu": false}。--## 已验证 / 未验证--- 已验证：上表 20 个配置的 A 半全项指标；seed 一致性；伪装视图一致性；ablate 输出改变。-- 未验证：B 半正式分（本榜本地尺子已知高估，历史 54.2 本地→49.6 官网；A 半 +0.46-  对父 A 半 56.33 在 ~1 分噪声内，但指标级 raw 方向一致且幅度超抖动）；真实 E10.5-  目标上的兑现；γ>1.5 区域（1.5 已掉头，未再探）。--## 下一步建议--1. nb_mmd 是唯一恶化项（0.0803 vs 父 0.0793）：在 (γ1.35, ε0.1) 上试平滑步数 3–4 或-   速度空间扩散（VDIFF，节点 31 证否过 ε0.4 基座，新基座下未试）。-2. mmd_u 随 γ 恶化（0.0454→0.0489）：试 PBC 8/12 与 k 0.4/0.6 的小网格。-3. 把该配置的迁移性放到插值榜复核（本 run 为外推链，留给后续 run）。+再闭合场 log(r_i) 在坐标15-NN上低通（β=0.15）并按数据自算中位总量电平中性化；de_direction/de_score/mmd_u 升、nb_mmd 略升（该项假设被证否）++- family_id: T2HX-01（承父节点 33：rel 速度乘法外推 + 几何再闭合，坐标/行序/细胞数/组成冻结）+- parent: node 33（A 半 56.792，节点分 57.04）+- 本节点 A 半 56.869（+0.077）；查分 19/20 次，明细见下表++## 1. 方法++在父节点管线上只加一个作用点：几何再闭合的**输入场**从"逐细胞原始总量比 r_i"换成"在锚坐标 15-NN 图上扩散 1 步后的 r̃_i"（权重 β_rec），再算 s_i=(r_med/r̃_i)^γ。+扩散非中位数守恒，原始做法会同时**提亮**整个预测（Jensen：中位线性总量 1.825→2.386）。为把机制与电平副作用分开，加了 `VEC_REC_LEVEL=matched`：把平滑场的每细胞线性总量中位数**重标定回未平滑场所给的值**（两个量都在运行时从输入数据算出，无任何拟合常数），因此机制只能改场的**形状**、不能改库大小电平。++其余全部冻结：α=1、k=0.5、γ=1.35、ε=0.1、SMOOTH_STEPS=2、K=15、PBC=10、门控（std 比 ≥0.01、spearman ≥0.3）、坐标/行序/细胞数/组成。单输入阶段或锚≠末输入时逐位回退 copy_last（承父）。++## 2. 机制生效证据（`--ablate` 对照）++- `--ablate mechanism`（也测了 `--ablate rec_field_smoothing`）→ 输出与父节点 33 **逐位相同**（X 与坐标 array_equal=True），即关掉机制精确回到父行为；不带参数时输出与父**不同**（X 改变、坐标逐位不变）→ mechanism_active=yes。+- 平滑确实运行且去除了高频：型内 std(log r) 3.139 → 2.921（β=0.08）/ 2.737（0.15）/ 2.367（0.3）/ 1.928（0.5），单调下降；中位线性总量由构造固定为 1.825（与父相同）。+- 四组分变化（A 半，β=0.15 vs 父）：expression_change 59.83→60.29（**升**，de_score 0.2639→0.2778 即 +1 量化步、de_direction 0.3730→0.3839）；cell_state 58.53→58.59（**升**，mmd_u 0.04888→0.04853 变好，variogram 0.035314→0.035414 基本持平）；local_spatial 58.80→58.60（**降**，nb_mmd 0.08025→0.08093 变差）；shape_scale 50.00→50.00（坐标冻结，三项 raw 逐位相同，结构门保持 1：nb_mmd skill 0.586 > 0.5）。++## 3. PLAN 的核心假设被证否（nb_mmd 方向）++PLAN 预期平滑能收回 mmd_u 与 nb_mmd。实测：**nb_mmd 随 β_rec 单调变差**，mmd_u 只在 β_rec ≤0.15 略微变好。电平中性后的纯机制效应（A 半）：++| β_rec | 榜分 | de_score | de_direction | mmd_u | variogram | nb_mmd |+|---|---:|---:|---:|---:|---:|---:|+| 0（父 33） | 56.792 | 0.2639 | 0.3730 | 0.04888 | 0.035314 | 0.08025 |+| 0.08 | 56.758 | 0.2500 | 0.3810 | 0.04856 | 0.035400 | 0.08056 |+| **0.15（提交）** | **56.869** | **0.2778** | **0.3839** | **0.04853** | 0.035414 | 0.08093 |+| 0.30 | 56.762 | 0.2778 | 0.3841 | 0.04928 | 0.035200 | 0.08199 |+| 0.50 | 56.501 | 0.2639 | 0.3822 | 0.05090 | 0.034868 | 0.08358 |++选 β=0.15 的理由（按 PLAN 步骤 6：总分差在 1 分噪声内时以连续量与量化步判收益，不以总分判）：de_direction 在**全部 4 个幅度**上都 +0.008～+0.011（连续量、电平受控的偏相关，高于历史 ±0.01 抖动 → 结构性而非噪声）；de_score +1 量化步；mmd_u 为本档最佳；variogram 持平；榜分为网格内点最大。代价是 nb_mmd −0.00068 raw（skill 仍远高于 0.5，门不触发）。++## 4. 被拒的"提亮"方向（重要，供后续节点）++未做电平中性时，β_rec=0.3/0.5/1.0/2步 的榜分是 57.016/57.017/56.595/56.917，看起来"有效"。诊断证明**收益全部来自提亮副作用，与平滑无关**：++| 配置 | 榜分 | de_score | de_direction | mmd_u | variogram | nb_mmd | 中位总量 |+|---|---:|---:|---:|---:|---:|---:|---:|+| 父 33 | 56.792 | 0.2639 | 0.3730 | 0.04888 | 0.035314 | 0.08025 | 1.825× |+| 纯常数提亮 ×1.31（无平滑） | **57.143** | 0.3194 | 0.3768 | 0.04631 | 0.036564 | 0.08007 | 2.390× |+| β=0.5 未中性化 | 57.017 | 0.3333 | 0.3890 | 0.04755 | 0.036114 | 0.08285 | 2.386× |+| β=0.5 电平中性 | 56.501 | 0.2639 | 0.3822 | 0.05090 | 0.034868 | 0.08358 | 1.825× |++不做平滑、只乘常数的提亮**比机制本身分更高**（57.143 > 57.017），且 de_direction（控制 pb(ref) 秩的偏相关）几乎不动（+0.004）而动的是 de_score（其 chance 校正按 ±pb(ref) 排序，对电平倾斜校正不完全）。已发布阶段的 CP10k 不变量要求每细胞线性总量恒为 10^4；父节点已是 1.83×，提亮到 2.39× 进一步偏离，没有生物学解读，只有指标实现层面的解读；本外推尺子又已知高估（历史本地 54.2 → 官网 49.6）。故按"不针对打分器实现细节优化"的规则**拒绝提交**该方向，改用数据自算的电平中性化。++## 5. 其他备选机制（均已实测证否，代码保留、默认关）++1. **事后平滑（伪批量精确复原）**：位移+再闭合+PBC 之后再做一次支撑掩码扩散，逐基因列缩放精确复原伪批量（pb 最大相对差 9.3e-15 → dp 逐位不变 → de_score/de_direction **按构造**保持 0.2639/0.3730）。ε_post 0.15/0.3/0.5/0.7 → 56.582/56.365/55.985/55.470，nb_mmd 0.08110/0.08292/0.08706/0.09335 **单调变差**：位移之后的额外局部相干性是过度平滑，父节点 ε=0.1 已在最优附近。（`VEC_POST_EPS`）+2. **PLAN 指定的兜底 PBC∈{8,12}**：在 γ=1.35/ε=0.1 下钳制**完全不激活**（cap ≥ 4 时 clamped_frac=0.0000），4/6/8/12 都是逐位空操作；只有 cap ≤3 起作用（PBC=3：钳 1.41% 细胞 → 56.790，与父持平）。该兜底在本基座上是死方向。+3. **速度软阈值 k=0.4**（PLAN 兜底另一支）→ 56.735，de_score 0.2500（−1 量化步）。+4. **底物平滑邻域宽度 SMOOTH_K=30** → 56.778，与父持平（nb_mmd 0.08032）。+5. **底物 ε 提到 0.25/0.4 + 场平滑**：中位总量涨到 2.49×/3.49×、钳制 0.2%/7.7%，收益完全被提亮支配，未提交（离线诊断后放弃，未耗查分）。++## 6. 验证过什么++- 父节点复现：默认关闭机制时 A 半 56.792、八项 raw 与父节点记录逐项一致。+- `--ablate` 逐位回父（X 与坐标）；机制开启时 X 改变、坐标逐位不变。+- 格式：`vec-check --task T2:heart:val_extrap/proxy_noscale` 在 seed 0/1/2 与 ablate 输出上均 `{status: ok, errors: []}`；n_obs=24826 ∈ [1000, 25179]，500 基因按 genes.txt 同序，X 有限无 NaN/Inf。+- **视图无关**：构造伪装视图（换路径 `/tmp/...`、manifest 键序打乱并重排版、所有输入/目标/external 阶段时间统一 +1 天）重跑，X 与坐标与真实视图**逐位相同**。+- **确定性**：seed 0/1/2 输出逐位相同（锚阶段细胞数 ≤ max_cells，分层 take 返回全部行）；无全局随机状态，15-NN 图由 cKDTree 确定构建。+- 资源：CPU ~2–3 s、峰值 <1.5 GB（`EXECUTION.json {"gpu": false}`），远低于 limits（28 GB / 30 min）。++## 7. 没验证什么 / 风险++- 提交档总收益 +0.077 **在 1 分噪声之内**；依据是 de_direction 连续量在 4 个幅度上一致上升 + de_score 一个量化步 + mmd_u 变好，不是总分。B 半可能落在父节点之下。+- nb_mmd 仍变差（PLAN 的目标之一未达成）。de_direction 的上升与 nb_mmd 的下降在本基座上同向出现，二者可能有共同成因（再闭合场的空间结构），未分离。+- 只在心脏外推代理括号（E8.25+E8.75→E9.5）上验证；该尺子已知高估外推收益。final 视图（两输入）走同一条代码路径，但真实括号的上一步方向由程序现场从输入算，未实测。+- 查分额度已用尽（19/20 + 1 次被拒的 vec-check 调用），提交档只跑了 seed 0；未做多种子查分复核。++## 8. 知识来源++未使用任何外部生物学知识、文献、数据库或记忆中的阶段测量值；`sources: []`（承 PLAN）。程序所有量（速度、总量比、中位数、15-NN 图、列缩放因子、电平中性化因子）都在运行时从 manifest 指定的输入阶段现场计算，无硬编码阶段名、细胞数、比例、尺寸或任何由已发布阶段测量值导出的常数。++## 9. 下一步建议++1. nb_mmd 是当前唯一恶化项且权重最大（25 分 + 结构门）。本节点已排除"任何形式再加平滑"（事前底物 ε↑、事后 ε_post、场平滑 β↑ 三个作用点全部单调变差），说明该基座的局部结构已过度平滑；应改从**位移场本身**入手（例如按型速度的空间相干化，即 VDIFF 在新基座 (γ1.35, ε0.1) 上重试——旧基座证否过，新基座未试）。+2. de_direction 在 β≥0.15 已进入平台（0.3839/0.3841/0.3822），提示场平滑对 DE 排序的贡献已饱和；expression_change 的进一步收益应来自 γ×ε 的未探区（1.35–1.5 之间）或速度估计器，而不是再闭合场。+3. 请勿再用"提亮"（线性域整体放大）取分：本节点已量化其对 de_score 的杠杆（+0.055）与其非物理性（违反 CP10k 不变量），属于打分器实现层面的收益。diff --git a/solution/README.md b/solution/README.mdindex 140a710..068cbbb 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,20 +1,23 @@-# 几何均值再闭合 + 空间平滑底物 rel 速度乘法外推（T2:heart:val_extrap，T2HX-01，节点31）+# 空间低通再闭合场（电平中性）+ 几何均值再闭合 rel 速度乘法外推（T2:heart:val_extrap，T2HX-01，节点35） -copy_last 基座（坐标/行序/细胞数/组成冻结）承自节点 29：锚阶段表达先在坐标 15-NN 图上做两步支撑掩码-扩散平滑（ε=0.4，零模式逐位保留，逐基因列缩放复原伪批量），再按共有细胞型的相对差速度+copy_last 基座（坐标/行序/细胞数/组成冻结）承自节点 33：锚阶段表达先在坐标 15-NN 图上做两步支撑掩码+扩散平滑（ε=0.1，零模式逐位保留，逐基因列缩放复原伪批量），再按共有细胞型的相对差速度 v_t=(m_a−m_p)/(m_p+1) 做乘法位移 x′=x_smoothed·2^(α·v̂_t)（α=1，k=0.5 MAD 软阈值），门控-（std 比 ≥0.01、spearman ≥0.3）通过后做再闭合与 PBC=10 钳亮尾。+（std 比 ≥0.01、spearman ≥0.3）通过后做几何再闭合 s_i=(r_med/r_i)^γ（γ=1.35）与 PBC=10 钳亮尾。 -**节点 31 改动**：γ 再闭合从"逐细胞线性总量回拉"换成**几何均值总量比的统一线性缩放**-`s_i=(r_med/r_i)^γ`，γ=0.45（0.15/0.3/0.45 单调扫描的已测最大值）。线性回拉按表达水平不均地吸收-缩放、扭曲跨基因 dp 排序（spearman_post 0.39）；几何缩放在 log 域近似每细胞恒定偏移，保住位移的-基因排序（spearman_post 0.46）。proxy_noscale A 半 56.33（父 56.23）：de_score 0.2222、-de_direction 0.3215、mmd_u 0.04542 均创树内最佳，nb_mmd 0.07932 略差于父 0.07569。+**节点 35 改动**：再闭合的输入场从"逐细胞原始总量比 r_i"换成"在坐标 15-NN 图上扩散 1 步后的 r̃_i"+（β_rec=0.15），并把平滑场的每细胞线性总量中位数**按数据自算**重标定回未平滑场所给的值+（`VEC_REC_LEVEL=matched`，无拟合常数）——机制只改场的形状，不改库大小电平。+proxy_noscale A 半 56.869（父 56.792）：de_direction 0.3730→0.3839（连续量、4 个幅度上一致上升）、+de_score 0.2639→0.2778（+1 量化步）、mmd_u 0.04888→0.04853（变好）、variogram 持平、+nb_mmd 0.08025→0.08093（变差，PLAN 在该项的假设被证否）；结构门保持 1。 -- 运行：`python run.py --data <view> --out <pred.h5ad> --seed <int>`；CPU ~3s、<2GB（`EXECUTION.json gpu:false`）。-- 关闭对照：`--ablate <任意名>` 或 `VEC_RECLOSE_GEO=0` → 同 γ 的线性再闭合；-  `VEC_GAMMA=0.3 VEC_RECLOSE_GEO=0` → 输出逐位 = 节点 29。-- 已证否（默认关，代码保留）：速度表达水平回归（PLAN，6 配置全降 de_score）、全局速度收缩、-  加性解码、幅度分层移植、方向非对称、速度空间扩散、原始总量再闭合基准——20 次查分明细见 METHOD.md。-- 确定性：seed 0/1/2 逐位一致；伪装视图（时间平移/键序打乱/换路径）逐位一致；单输入/锚≠末输入退路-  逐位 copy_last。+- 运行：`python run.py --data <view> --out <pred.h5ad> --seed <int>`；CPU ~3s、<1.5GB（`EXECUTION.json gpu:false`）。+- 关闭对照：`--ablate <任意名>` → β_rec=0 且事后平滑关闭 → 输出逐位 = 节点 33（已验证）。+- 已证否（默认关，代码保留，明细见 METHOD.md）：**再闭合场平滑对 nb_mmd 的假设**（β↑ 时 nb_mmd 单调变差）、+  **提亮方向**（不做电平中性时收益全部来自库大小膨胀；纯常数 ×1.31 得 57.143 比机制本身更高，但违反 CP10k+  不变量、只在 de_score 的 chance 校正缺口上起作用，已拒绝提交）、事后伪批量守恒平滑（ε 0.15–0.7 全单调变差）、+  PBC∈{4,6,8,12}（在 γ1.35/ε0.1 下钳制不激活，逐位空操作）、k=0.4、SMOOTH_K=30，以及父节点列出的+  速度回归/全局收缩/加性解码/幅度分层/方向非对称/速度空间扩散/原始总量再闭合基准。+- 确定性：seed 0/1/2 逐位一致；伪装视图（时间 +1 天平移、manifest 键序打乱、换路径）逐位一致；+  单输入/锚≠末输入退路逐位 copy_last。diff --git a/solution/run.py b/solution/run.pyindex 761f60c..61c073f 100644--- a/solution/run.py+++ b/solution/run.py@@ -24,9 +24,67 @@ Mechanism (on by default, alpha = 1.0):  Coordinates, row order and cell count are never modified. ---ablate <name> (any name) turns THIS node's mechanism (the geometric-mean-re-closure, see (6) below) off and keeps the rest of the pipeline-unchanged (linear re-closure at the submitted gamma).+--ablate <name> (any name) turns THIS node's mechanism (the spatial low-pass+of the re-closure field, see the node 35 block in main()) off and keeps the+rest of the pipeline unchanged (raw per-cell total ratio = parent node 33,+verified bit-for-bit).++Node 35 addition on top of node 33 (the submitted configuration):++(8) Spatially low-passed re-closure field, level-neutral by construction+    (VEC_BETA_REC=0.15, VEC_REC_STEPS=1, VEC_REC_K=15, VEC_REC_LEVEL=matched).+    The PLAN's hypothesis: node 33's gamma=1.35 geometric re-closure turns the+    per-cell inflation ratio r_i into a within-type high-frequency expression+    gradient, which is what degraded mmd_u/nb_mmd; diffusing log(r_i) on the+    coordinate 15-NN graph (weight beta_rec) before s_i=(r_med/r~_i)**gamma+    should remove it and recover both.+    MEASURED: the hypothesis is FALSIFIED on nb_mmd. Diffusion is not+    median-preserving, so the raw pass also BRIGHTENS the stage (Jensen:+    median total 1.825 -> 2.386 at beta_rec=0.5), and that level shift -- not+    the smoothing -- carried the whole apparent gain: a CONSTANT multiplier+    with no smoothing at all (VEC_REC_BRIGHT=1.31) scores HIGHER (57.143 vs+    57.017) and leaves de_direction (the level-controlled metric) almost+    unmoved (0.3768 vs 0.373) while de_score (level-crude chance correction)+    jumps 0.2639 -> 0.3194. Brightening inflates the library size further away+    from the CP10k total invariant that every measured stage satisfies exactly,+    has no biological reading, and this ruler is documented to overestimate+    extrapolation, so it was REJECTED rather than submitted.+    With the level pinned back to the parent's by a data-derived renormalisation+    (median per-cell linear total of the smoothed field := that of the unsmoothed+    field; no tuned constant), the mechanism's own effect is monotone in beta_rec+    and negative on the metric it targeted:+      beta_rec   total    de_score de_dir   mmd_u    variogram nb_mmd+      0 (parent) 56.792   0.2639   0.3730   0.04888  0.035314  0.08025+      0.08       56.758   0.2500   0.3810   0.04856  0.03540   0.08056+      0.15       56.869   0.2778   0.3839   0.04853  0.035414  0.08093+      0.30       56.762   0.2778   0.3841   0.04928  0.03520   0.08199+      0.50       56.501   0.2639   0.3822   0.05090  0.03487   0.08358+    nb_mmd worsens monotonically (0.08025 -> 0.08358); mmd_u improves only at+    beta_rec <= 0.15 then degrades; de_direction rises +0.008..+0.011 at EVERY+    amplitude (continuous, level-controlled, above the historical +-0.01 jitter+    -> structural). SUBMITTED beta_rec=0.15: interior optimum on total (+0.077)+    and de_score (+1 quantisation step), best mmd_u (0.04853), de_direction+    +0.0109, variogram flat, nb_mmd -0.00068 raw (skill 0.586 >> 0.5, structure+    gate stays 1). Evidence the high-frequency component was removed: within-type+    std of the correction field log(r) 3.139 -> 2.921 (beta 0.08) / 2.737 (0.15)+    / 2.367 (0.3) / 1.928 (0.5), median total held at 1.825 by construction.++    ALSO TESTED AND FALSIFIED (do not retry on this base):+    (a) Post-hoc support-masked diffusion with exact per-gene pseudobulk+        restoration AFTER re-closure+PBC (VEC_POST_EPS/POST_STEPS, dp and hence+        de_score/de_direction bit-preserved by construction: pb max rel diff+        9.3e-15). eps 0.15/0.3/0.5/0.7 -> 56.582/56.365/55.985/55.470 with+        nb_mmd 0.08110/0.08292/0.08706/0.09335 monotonically WORSE: extra local+        coherence after the displacement over-smooths; the parent's substrate+        eps=0.1 is already at/past the optimum. Kept in the code, default off.+    (b) The PLAN's designated fallback PBC in {8,12}: at gamma=1.35/eps=0.1 the+        clamp is INACTIVE (clamped_frac=0.0000 for every cap >= 4), so 4/6/8/12+        are bit-for-bit no-ops. Only cap <= 3 bites (PBC=3: 1.41% of cells,+        56.790, dead even).+    (c) Velocity soft-threshold k=0.4 -> 56.735 (de_score 0.2500, -1 step);+        substrate breadth SMOOTH_K=30 -> 56.778 (dead even); substrate eps=0.4+        combined with field smoothing inflates totals to 3.49x with 7.7% clamped+        (brightening-dominated, not scored).  Node 24 additions on top of node 21: @@ -212,6 +270,9 @@ VEC_SMOOTH_STEPS (2), VEC_SMOOTH_EPS (0.1), VEC_SMOOTH_K (15), VEC_ALPHA (1.0), VEC_C (0.0 = pure multiplicative), VEC_K (0.5), VEC_GAMMA (1.35), VEC_RECLOSE_GEO (1),+VEC_BETA_REC (0.15), VEC_REC_STEPS (1), VEC_REC_K (15),+VEC_REC_LEVEL (matched), VEC_REC_BRIGHT (1.0 = off, diagnostic only),+VEC_POST_EPS (0.0 = off, falsified), VEC_POST_STEPS (2), VEC_POST_K (15), VEC_PBC (10.0), VEC_MIXMODE (rel), VEC_MIXREL (1.0), VEC_MIXEPS (1.0), VEC_DOMAIN (log), VEC_SOFTD (0), VEC_CAPD (0), VEC_CVEL (-1 = legacy max(c,1)), VEC_VMEAN (log; used only in est mode), VEC_WMIX (0.0),@@ -262,6 +323,14 @@ STRAT_UP = float(os.environ.get("VEC_STRAT_UP", "1.15"))  # multiplier for the t STRAT_DN = float(os.environ.get("VEC_STRAT_DN", "0.55"))  # multiplier for the rest RECLOSE_REF = os.environ.get("VEC_RECLOSE_REF", "smoothed")  # gamma re-closure target totals: "smoothed" (parent) or "original" (pre-smoothing anchor totals) RECLOSE_GEO = os.environ.get("VEC_RECLOSE_GEO", "1") not in ("0", "", "false", "False")  # re-close toward the geometric-mean total ratio (uniform linear scale, log-domain library-size invariant)+BETA_REC = float(os.environ.get("VEC_BETA_REC", "0.15"))  # node 35: spatial low-pass weight of the re-closure field log(r_i) on the coordinate 15-NN graph (0 = parent, raw per-cell ratio)+REC_STEPS = int(os.environ.get("VEC_REC_STEPS", "1"))  # diffusion steps of the re-closure field smoothing+REC_K = int(os.environ.get("VEC_REC_K", "15"))  # coordinate neighbours of the re-closure field smoothing+REC_LEVEL = os.environ.get("VEC_REC_LEVEL", "matched")  # "matched": renormalise the smoothed re-closure field to the median linear total the unsmoothed field would give (data-derived, no tuned constant)+REC_BRIGHT = float(os.environ.get("VEC_REC_BRIGHT", "1.0"))  # diagnostic: constant linear-domain multiplier on the re-closure scale s_i (1.0 = off); isolates the brightening side-effect of field smoothing from its dispersion removal+POST_EPS = float(os.environ.get("VEC_POST_EPS", "0.0"))  # node 35 submitted mechanism: support-masked diffusion smoothing AFTER re-closure+PBC, with exact per-gene pseudobulk restoration (0 = off)+POST_STEPS = int(os.environ.get("VEC_POST_STEPS", "2"))  # diffusion steps of the post-hoc smoothing+POST_K = int(os.environ.get("VEC_POST_K", "15"))  # coordinate neighbours of the post-hoc smoothing VDIFF_W = float(os.environ.get("VEC_VDIFF_W", "0.0"))  # spatial velocity diffusion weight (0 = off) VDIFF_K = int(os.environ.get("VEC_VDIFF_K", "15"))  # coordinate neighbours for the velocity diffusion REGRESS_MODE = os.environ.get("VEC_REGRESS_MODE", "type")  # "type" (per-type OLS) or "global" (pooled slope)@@ -295,6 +364,29 @@ def soft_threshold(v: np.ndarray, k: float) -> tuple[np.ndarray, float]:     return vt, float((vt == 0.0).mean())  +def _knn_w(coords: np.ndarray, knn: int):+    """Row-normalised coordinate k-NN adjacency (self excluded), CSR.++    Deterministic given the coordinates (cKDTree nearest-neighbour query, no+    randomness). Used by both the substrate smoothing (node 29) and the+    re-closure field smoothing (node 35).+    """+    from scipy import sparse+    from scipy.spatial import cKDTree++    n = coords.shape[0]+    k = int(min(knn, max(n - 1, 1)))+    tree = cKDTree(np.asarray(coords, dtype=np.float64)[:, :3])+    _, idx = tree.query(np.asarray(coords, dtype=np.float64)[:, :3], k=k + 1)+    idx = np.atleast_2d(idx)+    nb = idx[:, 1:]  # drop self (column 0)+    rows = np.repeat(np.arange(n), nb.shape[1])+    return sparse.csr_matrix(+        (np.full(rows.size, 1.0 / nb.shape[1]), (rows, nb.ravel())),+        shape=(n, n),+    )++ def spatial_smooth(Xa: np.ndarray, coords: np.ndarray, steps: int, eps: float,                    knn: int) -> tuple[np.ndarray, dict]:     """Support-masked diffusion smoothing on the coordinate k-NN graph.@@ -309,20 +401,8 @@ def spatial_smooth(Xa: np.ndarray, coords: np.ndarray, steps: int, eps: float,     info = {"active": steps > 0 and eps > 0.0}     if not info["active"]:         return Xa, info-    from scipy import sparse-    from scipy.spatial import cKDTree -    n = Xa.shape[0]-    k = int(min(knn, max(n - 1, 1)))-    tree = cKDTree(np.asarray(coords, dtype=np.float64)[:, :3])-    _, idx = tree.query(np.asarray(coords, dtype=np.float64)[:, :3], k=k + 1)-    idx = np.atleast_2d(idx)-    nb = idx[:, 1:]  # drop self (column 0)-    rows = np.repeat(np.arange(n), nb.shape[1])-    W = sparse.csr_matrix(-        (np.full(rows.size, 1.0 / nb.shape[1]), (rows, nb.ravel())),-        shape=(n, n),-    )+    W = _knn_w(coords, knn)     M = Xa > 0     Xc = Xa.copy()     for _ in range(int(steps)):@@ -484,7 +564,14 @@ def main() -> None:     regress = VEL_REGRESS and args.ablate is None     shrink_on = SHRINK_N0 > 0.0 and args.ablate is None     vdiff_w = VDIFF_W if args.ablate is None else 0.0-    reclose_geo = RECLOSE_GEO and args.ablate is None+    reclose_geo = RECLOSE_GEO+    # Node 35 off-control: --ablate <any> turns OFF the node's mechanism and+    # nothing else. The SUBMITTED mechanism is the post-hoc pseudobulk-preserving+    # smoothing pass (post_on); the PLAN's original re-closure field smoothing+    # (beta_rec) was falsified and ships at 0, but --ablate disables it too so+    # the ablated run is bit-for-bit parent node 33 either way.+    beta_rec = BETA_REC if args.ablate is None else 0.0+    post_on = args.ablate is None      manifest = load_manifest(args.data)     genes = panel_genes(args.data, manifest)@@ -655,13 +742,66 @@ def main() -> None:                         # median lands at the unshifted median.                         tot_old_g = np.expm1(Xs).sum(axis=1, keepdims=True)                         r = tot_new / np.maximum(tot_old_g, 1e-12)-                        r_med = float(np.median(r))-                        sg = np.power(np.divide(np.full_like(r, r_med), np.maximum(r, 1e-12)), gamma)+                        # Node 35: spatial low-pass of the re-closure field.+                        # log(r_i) is diffused on the coordinate k-NN graph+                        # (REC_STEPS steps, weight beta_rec), removing the+                        # single-cell inflation noise that gamma=1.35+                        # translates into a within-type high-frequency+                        # expression gradient (the mmd_u/nb_mmd cost of node+                        # 33); the low-frequency (spatially coherent) part of+                        # the correction, which carries the cross-gene dp+                        # ordering fix, survives. beta_rec=0 -> r_tilde = r+                        # bit-for-bit (parent node 33 behaviour).+                        if beta_rec > 0.0 and REC_STEPS > 0:+                            logr = np.log(np.maximum(r, 1e-12)).ravel()+                            Wr = _knn_w(coords, REC_K)+                            for _ in range(int(REC_STEPS)):+                                logr = (1.0 - beta_rec) * logr + beta_rec * (Wr @ logr)+                            # keep the field LEVEL (median) of the raw ratio:+                            # the mechanism only removes high-frequency+                            # variation, it must not systematically brighten+                            # or dim the stage (r_med of the raw field is the+                            # parent's library-size invariant anchor).+                            logr = logr - np.median(logr) + np.median(np.log(np.maximum(r, 1e-12)))+                            r_use = np.exp(logr)[:, None]+                        else:+                            r_use = r+                        r_med = float(np.median(r_use))+                        sg = np.power(np.divide(np.full_like(r_use, r_med),+                                                np.maximum(r_use, 1e-12)), gamma)+                        if REC_LEVEL == "matched" and beta_rec > 0.0:+                            # Level-neutrality by construction: rescale the+                            # smoothed-field scale so the MEDIAN per-cell linear+                            # total equals the one the UNSMOOTHED (parent) field+                            # would have produced. Both quantities are computed+                            # from the input data at runtime (no tuned constant),+                            # so the mechanism can only change the SHAPE of the+                            # re-closure field, never the library-size level --+                            # measured stages satisfy the CP10k total invariant,+                            # and a level shift would be an unphysical+                            # side-effect rather than the mechanism.+                            sg_raw = np.power(np.divide(np.full_like(r, float(np.median(r))),+                                                        np.maximum(r, 1e-12)), gamma)+                            m_raw = float(np.median((lin * sg_raw).sum(axis=1)))+                            m_sm = float(np.median((lin * sg).sum(axis=1)))+                            sg = sg * (m_raw / max(m_sm, 1e-12))+                        if REC_BRIGHT != 1.0:+                            sg = sg * REC_BRIGHT                         Xp = np.log1p(lin * sg)                         if DEBUG:+                            lraw = np.log(np.maximum(r, 1e-12)).ravel()+                            lsm = np.log(np.maximum(r_use, 1e-12)).ravel()+                            lab = np.asarray(stage.labels[rows]).astype(str)+                            wt_raw = float(np.mean([lraw[lab == t].std()+                                                    for t in set(lab.tolist()) if (lab == t).sum() > 1]))+                            wt_sm = float(np.mean([lsm[lab == t].std()+                                                   for t in set(lab.tolist()) if (lab == t).sum() > 1]))                             dp2 = Xp.mean(axis=0) - pba                             sp2 = float(np.corrcoef(_rank(dp2), _rank(dt_approx))[0, 1])-                            print(f"renorm_geo: gamma={gamma} r_med={r_med:.4f} "+                            print(f"renorm_geo: gamma={gamma} beta_rec={beta_rec} steps={REC_STEPS} "+                                  f"r_med={r_med:.4f} "+                                  f"logr_std={lraw.std():.4f}->{lsm.std():.4f} "+                                  f"withintype_std={wt_raw:.4f}->{wt_sm:.4f} "                                   f"std_ratio_post={np.std(dp2) / (np.std(dt_approx) + 1e-12):.4f} "                                   f"spearman_post={sp2:.4f}", flush=True)                     else:@@ -704,6 +844,29 @@ def main() -> None:                         print(f"pbc: cap={PBC} clamped_frac={float((sc < 1).mean()):.4f} "                               f"post_tot med={float(np.median(np.expm1(Xp).sum(axis=1)) / base):.3f}",                               flush=True)+                if POST_EPS > 0.0 and POST_STEPS > 0 and post_on:+                    # Node 35 submitted mechanism (PLAN alternative after the+                    # re-closure-field smoothing was falsified): a post-hoc+                    # support-masked diffusion pass on the coordinate k-NN+                    # graph, applied AFTER the displacement, re-closure and+                    # clamp, with an exact per-gene column rescale that+                    # restores the pre-pass pseudobulk. dp (and therefore+                    # de_score/de_direction) is preserved BY CONSTRUCTION, so+                    # the parent's tree-best DE ranking cannot be damaged;+                    # the pass only re-shapes WITHIN-gene cell-to-cell+                    # variance into local spatial coherence, which is what+                    # neighborhood_mmd (25 pts + the structure gate) measures.+                    pb_pre = Xp.mean(axis=0)+                    Xp, pinfo = spatial_smooth(Xp, coords, POST_STEPS, POST_EPS, POST_K)+                    if DEBUG:+                        dp_post = Xp.mean(axis=0) - pba+                        sp_post = float(np.corrcoef(_rank(dp_post), _rank(dt_approx))[0, 1])+                        print(f"post_smooth: eps={POST_EPS} steps={POST_STEPS} k={POST_K} "+                              f"changed_frac_pos={pinfo.get('changed_frac_pos', 0.0):.4f} "+                              f"pb_max_rel_diff={pinfo.get('pb_max_rel_diff', 0.0):.3e} "+                              f"zero_preserved={pinfo.get('zero_pattern_preserved')} "+                              f"dp_std_ratio={np.std(dp_post) / (np.std(dt_approx) + 1e-12):.4f} "+                              f"spearman_dp={sp_post:.4f} (pre-pass {sp:.4f})", flush=True)                 X = Xp.astype(np.float32)      write_t2(args.out, X, 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

**做了什么**：在父节点 33（γ=1.35 几何再闭合）上按 PLAN 实现"再闭合场空间低通"，并加了一个数据自算的电平中性化（把平滑场的中位线性总量重标定回未平滑场的值，无拟合常数），使机制只改场形状、不改库大小电平。

**查分结果**（19/20 次，A 半；父 = 56.792）：
- **提交档 β_rec=0.15 → 56.869（+0.077）**：de_direction 0.3730→0.3839（4 个幅度上一致 +0.008~0.011，连续量、超抖动）、de_score +1 量化步、mmd_u 0.04888→0.04853（变好）、variogram 持平、nb_mmd 0.08025→0.08093（变差）。`--ablate` 逐位回父；伪装视图（+1 天/键序打乱/换路径）逐位一致；seed 0/1/2 一致；vec-check 全 ok。
- **PLAN 的 nb_mmd 假设被证否**：电平中性后 nb_mmd 随 β 单调变差（0.0803→0.0836）。
- **拒绝了一个高分方向**：不做电平中性时 β=0.5 得 57.017，但**纯常数提亮 ×1.31（无平滑）得 57.143 更高** —— 收益全部来自库大小膨胀（1.83×→2.39×，违反 CP10k 不变量），且只动 de_score（chance 校正对电平倾斜不完全）而几乎不动电平受控的 de_direction（+0.004）。属打分器实现层面收益，未提交。
- 另证否 3 个备选：事后伪批量守恒平滑（ε 0.15–0.7 全单调变差）、PLAN 兜底 PBC∈{8,12}（在 γ1.35/ε0.1 下钳制不激活，逐位空操作，仅 cap≤3 起作用且持平）、k=0.4（−1 步）与 SMOOTH_K=30（持平）。

**下一步最值得试**：nb_mmd 是唯一恶化项且权重最大（25 分 + 结构门），而"再加平滑"的三个作用点（事前底物 ε↑、事后 ε_post、场平滑 β↑）已全部单调变差 → 局部结构已过度平滑，应改从**位移场本身**入手（VDIFF 速度空间相干化在新基座 γ1.35/ε0.1 上重试，旧基座证否过、新基座未试）；de_direction 在 β≥0.15 已进平台，expression_change 的余量应去 γ∈(1.35,1.5) 未探区找。

调研员

码上做 1 步扩散（权重 β_rec），再用平滑后的 r̃_i 计算 s_i=(r_med/r̃_i)^γ。这保留了几何再闭合对跨基因 dp 排序的修正（保 de_direction），但去掉由单细胞膨胀噪声驱动的高频分量，收回型内分布形状与邻域配对。步骤：(1) 在父节点代码上加布尔开关控制再闭合场是否空间平滑，复用已有 15-NN 图（确定性、无新随机性），坐标/行序/细胞数/门控/α=1/k=0.5/PBC=10/ε=0.1/γ=1.35 全部冻结；(2) vec-score 先查中间档 β_rec=0.5（1 次）验证方向：要求 mmd_u raw 回落且 de_direction 不掉；(3) 方向对则查 β_rec∈{0.3,0.7}（2 次）取最优，必要时试 2 步扩散（≤2 次）；(4) 守卫：任一档 de_direction raw <0.370 或 variogram >0.0346 即回退该档；(5) 若再闭合场平滑仍掉 de_direction，走 ANALYSIS 备选兜底：在新基座上试 PBC∈{8,12} 或 k∈{0.4,0.6}（≤3 次）；(6) 用剩余查分次数对最优配置换种子复跑确认（总分差 <1 分噪声时以 de_direction 连续量 + mmd_u/nb_mmd raw 回落为准，不以总分判收益；本地外推尺子已知高估）。单输入阶段退路：无前阶段/锚≠末输入时无位移、无膨胀、再闭合场恒 1，α=0 逐位回退 copy_last（与父一致）。迁移：只依赖末两输入阶段估计速度，与输入阶段数无关；final 给两阶段同样适用，单阶段退路同上；缺失基因沿用父节点补齐逻辑，不新增外部数据。",
 "expected_groups": ["cell_state", "local_spatial"],
 "risks": "(1) 平滑再闭合场可能连带削去 de_direction 依赖的排序修正——用 de_direction<0.370 守卫尽早发现并回退；(2) 与已有 ε=0.1 表达底物平滑冗余/冲突——ε 固定不动，只加再闭合场平滑这一新作用点，若 β_rec 各档均无净收益即判定冗余并停；(3) 收益（约 0.3 分）低于 1 分噪声——以连续量 de_direction 与 mmd_u/nb_mmd raw 的多量化步变化 + 换种子复跑判收益，不靠总分；(4) 空间平滑引入坐标依赖导致视图相关——复用确定性 15-NN 图、无随机性，需在伪装视图上验证逐位一致；(5) 可能重蹈 VDIFF（速度空间扩散）旧基座证否覆辙——本机制平滑的是再闭合标量场而非速度/位移方向幅度，区别在于不改变位移本身，若 Engineer 发现两者效果等价应记录并止损。",
 "family_id": "T2HX-01",
 "mechanism": "几何再闭合的逐细胞总量比场先在坐标 15-NN 图上做低通平滑再用于缩放校正，去除单细胞膨胀噪声引入的型内高频表达梯度，从而在保住 DE 排序修正的同时收回细胞状态分布与邻域配对。",
 "vs_constant_shift": "它不是每型一个统一常数位移，也不是全局组成重加权：校正量逐细胞不同，来源于该细胞空间邻域的膨胀估计（平滑后的总量比），保留空间低频差异；而每型常数位移对全型施加同一偏移、无法区分型内细胞，组成重加权只改各型占比不动型内表达位置。",
 "mechanism_evidence": "Engineer 应给出：(1) 再闭合场平滑前后型内校正量离散度（型内 std(s_i)）下降，直接证明去除了高频；(2) mmd_u raw 从 0.04782 回落（目标 ≤0.046，趋近节点 31 的 0.04464）、nb_mmd raw 从 0.0771 回落（目标 ≤0.076）；(3) de_direction raw 保持 ≥0.373、de_score ≥0.2639、variogram ≤0.0346 不退化；(4) 四组分各自变化：cell_state 与 local_spatial 升、expression_change 持平、shape_scale 不变（坐标冻结）。",
 "mechanism_off_control": "同一程序加开关把再闭合场空间平滑关闭（β_rec=0，即用逐细胞原始总量比做再闭合），其余管线与提交配置逐位一致，等价于父节点 33 行为；预期 ablate 输出回到父节点预测（mmd_u 0.04782、de_direction 0.3763、nb_mmd 0.0771），且与机制开启时逐位不同；若关闭后输出与开启逐位相同，说明平滑未运行，机制无效。",
 "sources": []}
```

审查员

REVIEW.json written