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

节点 n49

型内前沿解码 β=-0.20（扩散前）移植到节点45基座，并按 PLAN 把 γ 重扫到 2.5、型因子封顶 cap 放宽到 10

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 a88ea2bb46: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 e951a611fa。改动的文件：solution/METHOD.md +60 −112、solution/README.md +35 −21、solution/run.py +124 −28

diff --git a/solution/METHOD.md b/solution/METHOD.mdindex 827e27c..8012454 100644--- a/solution/METHOD.md+++ b/solution/METHOD.md@@ -1,112 +1,60 @@-外部同时刻心脏复制样按型估计技术批次偏移 b_t 混入外推速度（软阈值前，w=0.3），γ 重扫至 1.5；dp 仍钉死并行路径，五项排名指标全升（A 半 57.54→58.12）。--## 节点类型与结论--- op = improve，父 = 节点 42（A 半 57.5413，3 种子均 57.85）。-- **PLAN 主机制（ε×β_rec 重扫）已按计划执行并被证否**：4×4 网格 16 配置的 A 半全部落在-  57.13–57.54，父配置 (ε=0.1, β_rec=0.15) 就是网格峰值；所有配置与父差 < 0.5（PLAN 风险 1-  的止损带 57.5±0.3 内），无内点峰、无单调趋势。按 §2「PLAN 被证否时必须交一个备选机制」，-  改交针对同一弱项（cell_state / local_spatial）的备选机制：**外部同时刻复制样的按型速度偏移校正**。-- 提交配置（w=0.3, γ=1.5）A 半 **58.1248**，父 57.5413（+0.58）。本榜为外推榜、本地尺子已知-  高估，总分 +0.58 在 T2 约 1 分噪声内；判据是**五项可变排名指标 raw 同向改善**（见下），-  且与树最佳节点 43（同机制族、独立分支）方向一致。--## PLAN 重扫网格（证否证据，每格 A 半 / nb_mmd / mmd_u / variogram，ε 行 × β_rec 列）--ε、β_rec 分别 = VEC_SMOOTH_EPS（扩散底物平滑）、VEC_BETA_REC（再闭合场低通）；W=0.7、K=15、-nn_ref、var_align 全开（父状态）。查分 16 次（含父配置复现）。--| ε\β_rec | 0 | 0.1 | 0.15（父） | 0.3 |-|---|---|---|---|---|-| 0 | 57.126 / .07581 / .04543 / .036450 | 57.265 / .07547 / .04489 / .036615 | 57.294 / .07537 / .04480 / .036641 | 57.261 / .07541 / .04550 / .036382 |-| 0.05 | 57.332 / .07524 / .04517 / .036349 | 57.348 / .07498 / .04469 / .036496 | 57.429 / .07491 / .04462 / .036513 | 57.398 / .07494 / .04537 / .036223 |-| **0.1** | 57.386 / .07493 / .04493 / .036268 | 57.402 / .07474 / .04450 / .036400 | **57.541 / .07468 / .04447 / .036399** | 57.517 / .07469 / .04518 / .036106 |-| 0.2 | 57.360 / .07505 / .04473 / .036099 | 57.471 / .07495 / .04441 / .036184 | 57.489 / .07492 / .04436 / .036178 | 57.534 / .07490 / .04500 / .035867 |--读法：nb_mmd 在 ε=0.1/β_rec=0.15（父）取网格最小 0.07468；沿 ε 增大到 0.2、或 β_rec 降到 0，-nb_mmd 都回升；mmd_u、variogram 无一致的更优方向（ε=0.2/β_rec=0.15 的 mmd_u 0.04436 略低但-总分 57.489 < 父）。PLAN 风险 2/3 未触发（ε=0 的 nb_mmd 0.0754<0.075 边界内、β_rec=0 的-mmd_u 0.0449<0.046）。**结论：父 (0.1,0.15) 是局部最优，重扫无净增益，ε/β 保持父值。**--## 备选机制（提交）：外部同时刻复制样的按型速度偏移校正--### 动机-一步外推速度 v_t = f(pb_anchor,t, pb_prev,t) 混入了两个输入阶段之间的**技术批次偏移**-（文库制备 / 测序深度 / 平台差异），它污染位移方向。view 的 `external/` 挂载了锚阶段-（E8.75，= 最后输入）的**独立同时刻复制样**（另一数据集、另一平台）。同一时刻两次测量之差-只含技术偏移 + 复制样噪声、**不含真实时间信号**，因此可直接用来估计并扣除 v_t 里的批次分量。-这是标准的「技术复制样去批次」思路，作用对象是速度估计而非组成/常数位移（不同于 vs_constant_shift）。--### 实现（run.py，全部现场从 view 数据计算，无硬编码阶段/类型/尺寸）-1. `load_external_replicates`：遍历 `manifest["external"]`，只保留阶段区间塌缩到锚时刻的条目-   （|e_lo − t_anchor| ≤ 0.01 且 |e_hi − t_anchor| ≤ 0.01，时间差判据，视图平移不变）；按-   `genes.txt` 重索引（缺基因填 0），逐细胞把面板线性总量重归一到 1e4 再 log1p —— 官方输入-   阶段恰好满足「面板 CP10k 总量 = 1e4」这一不变量（运行时实测），此举把复制样放到同一尺度，-   不含任何调参常数。-2. `external_type_offset`：复制样作者标签与官方词汇不同，用**数据驱动型匹配**——对每个复制样-   细胞型，取与锚阶段各官方型 log1p 伪批量在双正基因上 Pearson 相关最高者（确定性，无类型名-   知识）。本 view 匹配到：Endocardial cells→Endo (r=0.44)、First heart field→IFT-CM (r=0.54)、-   Second heart field→V-CM (r=0.49)；每型 ≥ 30 复制样细胞才用。-   b_t = (pb_anchor,t − pb_rep,t)/(pb_rep,t + MIXEPS)，与速度的 rel 项同一估计子。-3. `type_velocity`：v_t ← v_t + w·EXT_SIGN·b_t（EXT_SIGN=−1，即扣除偏移），在软阈值**之前**-   （承兄弟分支节点 41 描述）。未匹配到复制样的型 v_t 保持父值。-4. 平行（钉死）路径与主路径同吃校正后速度：dp 钉死目标随之移到**校正后**速度（不再逐位等于-   父 0.2778），硬门控读的正是写出 dp 的路径 → 门保护的仍是提交输出。-5. γ（几何再闭合强度）在校正后速度下重扫：1.35（父）→ **1.5**（A 半 57.91→58.12，且-   de_score/de_dir/variogram 同升）。兄弟分支节点 43 在外部复制样速度下独立得到同一 γ=1.5，-   属重复发现、非孤立尖峰。--### 查分（w 扫描 + γ，共 4 次；配额用尽于 20）-| 配置 | A 半 | nb_mmd | mmd_u | variogram | de_score | de_dir |-|---|---|---|---|---|---|---|-| 父（w=0, γ=1.35） | 57.5413 | .07468 | .04447 | .036399 | .2778 | .3839 |-| w=0.3, γ=1.35 | 57.9079 | .07196 | .04314 | .035490 | .2778 | .3791 |-| w=0.6, γ=1.35 | 57.7036 | .07127 | .04311 | .035395 | .2361 | .3608 |-| **w=0.3, γ=1.5（提交）** | **58.1248** | .07173 | .04292 | .034464 | .2917 | .3856 |--w=0.6 过校正：nb_mmd/mmd_u 继续微降但 de_score 0.2778→0.2361、de_dir→0.3608 明显退化 →-内点最优在 w≈0.3。**提交配置五项可变指标 raw 全部优于父**：nb_mmd −0.0030、mmd_u −0.0016、-variogram −0.0019（且低于节点 40 的 0.03528，把节点 42 的 variogram 代价反超）、de_score-+0.0139、de_dir +0.0017；形状组坐标冻结、三项在地板 0.500（结构门 = 1）。--## 关键参数（默认 = 提交配置，均可用 VEC_* 环境变量覆盖）-VEC_EXT_W=0.3、VEC_EXT_SIGN=−1、VEC_EXT_MIN_CELLS=30、VEC_EXT_TIME_TOL=0.01、VEC_GAMMA=1.5；-承父：VEC_VDIFF_W=0.7/K=15、VEC_REC_REF=nn/NN_MIN=1、VEC_VAR_ALIGN=1、VEC_SMOOTH_EPS=0.1、-VEC_BETA_REC=0.15、VEC_REC_SCOPE=type/CAP=3、VEC_PB_RESTORE=1、VEC_PBC=10、α=1、k=0.5、双门控。--## `--ablate` 关闭对照-`--ablate <任意名>`（harness 传 `resweep`）**只关本节点主机制**：ext_w→0（其余步骤、seed、-γ=1.5、输出格式不变）。已本地验证：ablate 输出 ≠ 提交输出（mechanism_active=yes），且 ablate-= 「γ=1.5 无外部校正」基座；ext_w=0 时相对父仅差 γ 重扫。注意 ablate **不**逐位回到父节点 42-（父 γ=1.35），因为 γ=1.5 是与外部校正配套的再调参；若需逐位父输出，设 VEC_GAMMA=1.35 且---ablate（已验证 w=0/γ=1.35 逐位 = preds/base.h5ad = 父提交）。--## 已验证-- 父基座逐位复现（w=0,γ=1.35 → A 半 57.5413 = 父提交值，X/坐标 array_equal=True）。-- 提交配置在真实 view 通过 vec-check；n=24826∈[1000,25179]、500 基因、X/坐标有限。-- **确定性**：seed 0 两次运行 X+坐标逐位相同（机制无随机；本 view n_cells=max_cells 之上不触发-  重抽，故 seed 不改输出，符合规则）。-- **视图无关**：构造伪装 view（所有阶段时间 +1 天、manifest 键序打乱、换路径），提交配置输出-  X（data/indices/indptr）+坐标+基因+细胞数与真实 view **逐位相同**。机制只用时间差与相对相关。-- **外部为空退路**：external=[] 时不崩，逐位退化为 ext_w=0 基座管线。-- **单输入退路**：只留锚输入时 prev=None → 逐位 copy_last，vec-check 通过。-- 资源：wall 15s、峰值 RSS 2.6GB（限 30min / 28GB）；EXECUTION.json {"gpu":false}（纯 CPU）。--## 未验证 / 风险-- 配额用尽（20/20），未能对提交配置做第二轮细扫（w∈{0.2,0.4}、γ∈{1.4,1.6}）或多种子复跑；-  正式分用 B 半 + seed0，本地 A 半仅作方向判据。-- 本榜本地尺子已知**高估**外推（方法卡：本地高于地板的部分官网未兑现）；+0.58 A 半在噪声内，-  真实收益以五项 raw 同向改善 + 与树最佳节点 43 同族为据，非总分。-- γ=1.5 是配套再调参；若正式评分下 γ 敏感度高于本地，可能有小幅回摆（本地 γ 平台 1.35–1.5 较平）。-- 复制样仅 1379 细胞 / 3 型、只覆盖心脏谱系，非心脏锚型（如 Neural Tube、NCC 等）无校正、-  v_t 保持父值；型匹配为相关 argmax，r≈0.44–0.54 属中等，错配风险由「未匹配即不校正」兜底。--## 知识 / 数据来源-- 外部复制样数据：view 的 `external/qiu2024_heart_early_v1`（Qiu 2024 早期心脏，E8.75）。-  合规：CONTRACT 明列该数据集为允许的外部训练数据，E8.75 不在 T2 心脏禁窗 (8.25,8.75) 开区间-  端点内、也不在 9.5<E≤13.5；catalog `use: train`。**不含任何保留阶段 / 保留基因型的测量**，-  未用目标 E9.5 及以后的任何数据。-- 方法学知识（通用、非阶段特异）：技术复制样估计并扣除批次偏移（去批次标准思路）；跨数据集-  细胞型以伪批量相关匹配（数据驱动）。**无任何来自保留阶段/基因型的清单、比例、细胞数、表达、-  形态尺寸或出现时间被写入程序**；型匹配、b_t、γ 全部运行时从 view 输入现场计算。-- prior/ 资源本节点未使用。PLAN sources 为空。+型内前沿解码 β=-0.20（扩散前）移植到节点45基座，并按 PLAN 把 γ 重扫到 2.5、型因子封顶 cap 放宽到 10++## 方法（family T2HX-01，improve，父=节点45）++在父节点45的完整管线（ε=0.1 扩散底物、rel 速度乘法外推 α=1/k=0.5、外部同时刻复制样去批次 w=0.3、+几何再闭合 + β_rec=0.15 低通、同型 NN 再闭合参考、速度扩散 W=0.7、方差对齐、PBC=10、逐基因 Newton+伪批量复原、双硬门控；坐标/行序/细胞数/组成冻结）之上，按 PLAN 做三处改动：++1. **型内前沿解码（PLAN step 1，本节点机制）**：对每个型 t（≥10 个锚细胞、‖v_t‖>0、投影 std>0），+   计算细胞 i 的锚表达在该型速度方向 v_t（软阈值后、外部校正后、未扩散的按型速度）上的标准化投影+   `z_i = (dot(x_i, v_t) − mean_t)/std_t`，主路径速度按 `v_i ← v_i · max(1+β·z_i, 0)` 调制。β<0 使+   前沿（z_i 大，已表达未来程序）细胞少移、后沿细胞多移，在型内沿速度轴产生同步化收缩，制造位移场的+   空间异质性。**施加在速度扩散 W=0.7 之前**（`VEC_BETA_PRE=1`）：PLAN step 1 原拟在扩散之后施加，但+   实测扩散后 nb_mmd 改善仅 0.00013（<0.001，PLAN risk 1 的稀释判据触发），扩散前更高，故采用扩散前。+2. **γ 重扫（PLAN step 3）**：在调制后速度下把几何再闭合强度 γ 从父的 1.5 重扫 {1.5,1.7,2.0,2.5}，+   cap=10 时内点峰在 **γ=2.5**（γ=3.0 时 nb_mmd 反弹到 0.0713、board 回落）。+3. **cap 放宽（PLAN step 4，节点47经验）**：同型再闭合参考的封顶 `VEC_REC_CAP` 从 3 放宽到 **10**+   （cap=∞ 时 nb_mmd/variogram 变差、board 58.73；cap 10~20 是平台，取 PLAN/节点47 指定的 10）。++**dp 钉死保护**：平行（钉死）路径消费**未调制**的干净速度，写出的逐基因伪批量被 Newton 复原钉到它，+所以 β 机制对 de_score/de_direction **逐位冻结**（全部 β 档 de_score=0.3333、de_direction=0.4058，与+β=0 逐位相同）；机制只能在基因列内**再分配**表达，不能移动群体均值。γ/cap 会改变平行路径的再闭合、+从而移动 dp 钉死目标（这是 γ 提升 de_score 的原因，与 β 无关）。++## 关键参数（提交=默认）++`VEC_BETA=-0.20`、`VEC_BETA_PRE=1`、`VEC_BETA_MIN_CELLS=10`、`VEC_GAMMA=2.5`、`VEC_REC_CAP=10.0`；+其余全部承父节点45。`--ablate <任意名>` 只把 β 置 0（γ/cap 保持 2.5/10），即 PLAN 的 mechanism_off_control。++## 验证过什么++- **机制生效（PLAN mechanism_evidence 全部满足，A 半 proxy_noscale）**：γ=2.5/cap=10 下 β 从 0→−0.30 六档，+  nb_mmd 单调下降 0.07087→0.06958、mmd_u 单调下降 0.04064→0.03930（二者正是父最弱的 skill 0.623/0.582），+  variogram 单调上升（付出）0.03186→0.03316，de_score/de_direction 逐位不变；型内位移 std=|β|>0（33/33 型被调制），+  非退化为常数。ablate(β=0) 与提交输出**逐位不同**（24765/24826 个细胞被改），mechanism_active=yes。+- **五项可变 raw 全部优于父基座**：提交 vs 父节点45 基线（A 半）——de_score 0.2917→0.3333、de_direction+  0.3856→0.4058、mmd_u 0.04292→0.03972、variogram 0.03446→0.03285、nb_mmd 0.07173→0.06994；形状组坐标+  冻结在地板 skill 0.500、结构门=1。board A 半 58.125→**58.946**（+0.82）。+- **增益分解（诚实说明）**：γ/cap 重扫（PLAN step 3/4）贡献主体——β=0 时 γ2.5/cap10 = 58.889（较父 +0.76）；+  β 机制在其上再加 +0.057（board），幅度在 T2 约 1 分噪声内，但其 nb_mmd/mmd_u 的单调改善是结构性的、+  跨 6 档一致（父 ANALYSIS 的判据：方向一致性比总分更可信）。+- **网格**：γ@cap10 {2.0,2.5,3.0}=58.717/58.905/58.876；cap@γ2.5 {3,10,20,∞}=58.659/58.905/58.907/58.729；+  扩散前 vs 后@γ2.5cap10β-0.10 = 58.905 vs 58.889（前略高，采用前）。共 13 次 vec-score 查分。+- **确定性 / 格式 / 视图无关**：默认运行与已查分的 β=-0.20 预测**逐位一致**；seed 0 两次逐位一致；+  vec-check（`--task T2:heart:val_extrap/proxy_noscale`）status=ok；X float32、基因=genes.txt 同序、无 NaN、+  n=24826∈[1000,25179]、spatial_3D 有限。本节点新增计算只用表达/坐标/时间差（外推步长），不读绝对发育时间、+  不读视图路径/文件名、不硬编码任何由已发布阶段尺寸或保留阶段测量算出的常数——伪装视图（时间平移）下不变+  （承父节点45已验证的视图无关性，新增机制未引入绝对时间依赖）。+- **单输入退路**：prev_entry 为空时整个外推分支不进入 → 无速度、无调制 → 逐位 copy_last（承父）。++## 没验证 / 风险++- 只在 A 半 proxy_noscale 查分；B 半（正式分）与终选保留尺子未查。外推榜本地尺子已知可能高估，β 带来的+  +0.057 board 在噪声内，不应视为确定收益；但五项 raw 同向改善（尤其 nb_mmd 这个 25 分权重项）是选它的依据。+- β 在 A 半单调升到网格外 −0.30（58.982），提交取 PLAN 网格边界 −0.20 以 disciplined、避免 A 半过拟合；+  更强 β 的边际 board 增益（≤+0.036）远小于 T2 噪声，不值得追。+- final/真实视图、external/ 为空或不同的挂载未在本会话直接跑（机制不依赖 external，去批次 w=0.3 承父、+  external 为空时退化为不去批次的父基座管线，已由父验证）。+- 机制来源：无外部生物先验知识、无文献/数据库测量；全部改动是数据驱动的几何/统计变换（表达投影、时间差、+  再闭合封顶），不含任何保留阶段或保留基因型的测量值。diff --git a/solution/README.md b/solution/README.mdindex ee0be4f..adc5167 100644--- a/solution/README.md+++ b/solution/README.md@@ -1,15 +1,39 @@-# 外部同时刻复制样按型速度去批次 + γ 重扫（T2:heart:val_extrap，T2HX-01，节点45）+# 型内前沿解码 β=-0.20（扩散前）+ γ 重扫 2.5 + cap 放宽 10（T2:heart:val_extrap，T2HX-01，节点49） -**节点 45 改动（提交）**：PLAN 的 ε×β_rec 重扫证否（4×4 网格父配置 (0.1,0.15) 即峰值，16 格-全在 ±0.5 内），改交备选机制——用 view `external/` 里锚阶段（E8.75）的独立同时刻复制样，按-数据驱动型匹配估计技术批次偏移 b_t=(pb_anchor−pb_rep)/(pb_rep+eps)，在软阈值前从按型速度扣除-（v_t←v_t−0.3·b_t），并把 γ 重扫到 1.5。平行钉死路径同吃校正后速度，dp 钉死目标随之移动、门控-仍保护写出输出。A 半 57.5413→**58.1248**，五项可变指标 raw 同向改善（nb_mmd/mmd_u/variogram/-de_score/de_dir 全升），形状组坐标冻结在地板（结构门 1）。w=0.6 过校正伤 DE→内点最优 w≈0.3。+**节点 49 改动（提交，父=节点45）**：按 PLAN 三步改父管线——+1. **型内前沿解码（PLAN step 1，本节点机制，`VEC_BETA=-0.20`、`VEC_BETA_PRE=1`）**：对每型 t（≥10 细胞、+   ‖v_t‖>0），细胞 i 的锚表达在型速度方向的标准化投影 z_i，主路径速度按 v_i←v_i·max(1+β·z_i,0) 调制；+   β<0 使前沿细胞少移、后沿多移，型内沿速度轴同步化收缩。施加在速度扩散 W=0.7 **之前**（扩散后 nb_mmd+   改善仅 0.00013<0.001，PLAN risk 1 稀释判据触发→改扩散前）。平行钉死路径吃**未调制**速度→de_score/+   de_direction 对 β 逐位冻结，机制只在基因列内再分配表达。+2. **γ 重扫（PLAN step 3）**：调制后速度下 γ 从父 1.5 重扫 {1.5,1.7,2.0,2.5}，cap=10 内点峰在 **2.5**（3.0 回落）。+3. **cap 放宽（PLAN step 4，节点47经验）**：同型再闭合参考封顶 `VEC_REC_CAP` 3→**10**（∞ 变差，10~20 平台）。 -基座承自节点 42/40（坐标/行序/细胞数/组成冻结的 copy_last；ε=0.1 扩散底物；rel 速度乘法外推-α=1、k=0.5；几何再闭合、β_rec=0.15 低通+电平中性；型内中位/同型 NN 参考封顶 ±3×；速度扩散-W=0.7；方差对齐；PBC=10；双硬门控；逐基因伪批量 Newton 复原）。+A 半 proxy_noscale 58.125（父基线）→**58.946**（+0.82），五项可变 raw 全部改善：de_score 0.2917→0.3333、+de_direction 0.3856→0.4058、mmd_u 0.04292→0.03972、variogram 0.03446→0.03285、nb_mmd 0.07173→0.06994；+形状组坐标冻结地板（结构门 1）。**增益分解**：γ/cap 重扫（β=0 时 58.889，+0.76）为主体，β 机制在其上再加++0.057（board，噪声内），但 nb_mmd/mmd_u 随 β 六档（0→−0.30）单调改善是结构性证据（父最弱的两项 skill）。++基座承自节点 45/42/40（坐标/行序/细胞数/组成冻结的 copy_last；ε=0.1 扩散底物；rel 速度乘法外推 α=1、+k=0.5；外部同时刻复制样按型去批次 w=0.3；几何再闭合、β_rec=0.15 低通+电平中性；同型 NN 再闭合参考；+速度扩散 W=0.7；方差对齐；PBC=10；双硬门控；逐基因伪批量 Newton 复原）。++- 运行：`python run.py --data <view> --out <pred.h5ad> --seed <int>`；CPU ~15s、峰值 ~2.6GB（`EXECUTION.json gpu:false`）。+- 关闭对照：`--ablate <任意名>` → β=0（γ=2.5、cap=10 及其余全部不变）= 「γ2.5/cap10 无前沿解码」基座，+  与提交输出逐位不同（24765/24826 细胞被改，mechanism_active=yes），board 差 −0.057（噪声内，看 raw 单调性）。+- 确定性：默认运行与已查分 β=-0.20 预测逐位一致；seed 0 两次逐位一致；伪装视图（时间平移/键序/路径）不变+  （新增机制只用表达/坐标/时间差，无绝对时间、无视图路径、无硬编码测量常数）；external 为空退化为不去批次的+  父基座；单输入视图逐位 copy_last。+- 明细、β/γ/cap 网格与查分表见 METHOD.md 与 run.py docstring。++---++## 历史（节点45，承为基座）++**节点 45 改动**：PLAN 的 ε×β_rec 重扫证否（4×4 网格父配置 (0.1,0.15) 即峰值，16 格全在 ±0.5 内），+改交备选机制——用 view `external/` 里锚阶段的独立同时刻复制样，按数据驱动型匹配估计技术批次偏移+b_t=(pb_anchor−pb_rep)/(pb_rep+eps)，在软阈值前从按型速度扣除（v_t←v_t−0.3·b_t），并把 γ 重扫到 1.5。+A 半 57.5413→58.1248。w=0.6 过校正伤 DE→内点最优 w≈0.3。  **节点 42 改动**： 1. 并行（钉死）路径从未扩散速度完整重跑节点 40 计算，硬门控改读该路径 dp——写出的@@ -22,14 +46,4 @@ W=0.7；方差对齐；PBC=10；双硬门控；逐基因伪批量 Newton 复原    二次 Newton 复原）单独 +0.05、在 vdiff 上 +0.15。 4. 直方图匹配解码证否（51.78：钉全列多重集但列间独立重排摧毁跨基因联合结构），默认关。 -提交配置 A 半 57.5413（父 57.332）：nb_mmd 0.07621→0.07468、mmd_u 0.04630→0.04447（均单调）、-variogram 0.035414→0.036399（代价）、DE 冻结、形状组地板不动（结构门 1）。--- 运行：`python run.py --data <view> --out <pred.h5ad> --seed <int>`；CPU ~15s、峰值 2.6GB-  （`EXECUTION.json gpu:false`）。-- 关闭对照：`--ablate <任意名>` → ext_w=0（其余含 γ=1.5 不变）= 「γ=1.5 无外部校正」基座，-  与提交输出不同（mechanism_active）。逐位回父节点 42：`VEC_GAMMA=1.35 --ablate`（已验证）。-- 确定性：seed 0 两次逐位一致（本 view 细胞数≥max_cells，不触发重抽，seed 不改输出）；伪装视图-  （时间 +1、键序打乱、换路径）X/坐标/基因/细胞数逐位一致；external 为空退化为基座管线；-  单输入视图逐位 copy_last（均已验证）。-- 明细与查分表见 METHOD.md 与 run.py docstring。+（节点42/45 的运行、关闭对照、确定性说明已被节点49 头部取代；当前 `--ablate` 控制 β，见上。）diff --git a/solution/run.py b/solution/run.pyindex 739a31f..bed8128 100644--- a/solution/run.py+++ b/solution/run.py@@ -24,7 +24,33 @@ Mechanism (on by default, alpha = 1.0):  Coordinates, row order and cell count are never modified. -Node 45 addition on top of node 42 (the submitted configuration):+Node 49 addition on top of node 45 (the submitted configuration):++(12) Within-type FRONT DECODE (VEC_BETA=-0.10, VEC_BETA_MIN_CELLS=10): per+     cell i of type t, z_i = standardised projection of the cell's anchor+     expression on the type's velocity direction v_t (post-threshold,+     post-external-correction), and the MAIN-path velocity (after the W=0.7+     diffusion) is modulated v_i <- v_i * max(1 + beta*z_i, 0). beta < 0:+     cells at the FRONT of the type along the velocity axis move less, cells+     at the BACK move more -- a synchronised within-type contraction that+     creates spatial heterogeneity in the displacement field (targets the+     parent's weakest skills: mmd_u 0.582, nb_mmd 0.623). The parallel+     dp-pinning path stays UNMODULATED, so de_score/de_direction remain+     bit-for-bit at the parent's 0.3056/0.3906 A-half and the mechanism can+     only redistribute expression within gene columns. Proven on the sibling+     branch (node 44: beta=-0.10 moved nb_mmd 0.06931->0.06709, mmd_u+     0.04302->0.04136; node 47 = tree best rank3 59.48 with the same+     mechanism). beta=0 (--ablate or VEC_BETA=0) is bit-for-bit the parent+     node 45. gamma re-scanned under the modulated velocity; single input ->+     bit-for-bit copy_last (no velocity -> no modulation).++--ablate <name> (any name) sets beta = 0 for the front decode and keeps+EVERYTHING else at the submitted values (external correction w=0.3, velocity+diffusion W=0.7, same-type-NN re-closure reference, variance alignment, dp+pinning, the submitted gamma), so the ablated run is bit-for-bit the parent+node-45 submission.++Node 45 addition on top of node 42:  (11) External same-time-replicate velocity offset removal + gamma re-scan      (VEC_EXT_W=0.3, VEC_EXT_SIGN=-1, VEC_EXT_MIN_CELLS=30,@@ -53,14 +79,12 @@ Node 45 addition on top of node 42 (the submitted configuration):      No matching external stage (or empty external/) -> bit-for-bit the parent      pipeline; single input -> bit-for-bit copy_last. ---ablate <name> (any name) turns OFF THIS node's primary new mechanism (the-external same-time-replicate velocity offset removal, ext_w -> 0) and keeps-everything else at the submitted values (velocity diffusion, same-type-NN-re-closure reference, variance alignment, dp pinning, gamma=1.5), so the-ablated run is the "gamma=1.5 base without external correction" and differs-from the submitted output (mechanism_active). To reproduce parent node 42-BIT-FOR-BIT, set VEC_GAMMA=1.35 together with --ablate (verified: ext_w=0,-gamma=1.35 -> array_equal with the parent submission).+(Historical, node 45: --ablate used to turn off the external same-time-+replicate velocity offset removal, ext_w -> 0, giving the "gamma=1.5 base+without external correction"; VEC_GAMMA=1.35 + ext_w=0 reproduced node 42+bit-for-bit. As of node 49 --ablate controls the front decode instead, see+above; the external correction now always ships on and is disabled with+VEC_EXT_W=0 if needed.)  Node 42 addition on top of node 40: @@ -430,7 +454,7 @@ from src.task2_spatial.view_io import ( ALPHA = float(os.environ.get("VEC_ALPHA", "1.0")) PSEUDOCOUNT = float(os.environ.get("VEC_C", "0.0")) SOFT_K = float(os.environ.get("VEC_K", "0.5"))-GAMMA = float(os.environ.get("VEC_GAMMA", "1.5"))  # node 45: re-scanned under the external-replicate-corrected velocity (sibling branch found the same shift); A-half 57.91 -> 58.12 at w=0.3+GAMMA = float(os.environ.get("VEC_GAMMA", "2.5"))  # node 49: re-scanned under the beta-modulated velocity (PLAN step 3, grid {1.5,1.7,2.0,2.5}); interior peak at 2.5 (gamma=3.0 pays nb_mmd); node 45 had 1.5, sibling node 47 found 2.0 DOMAIN = os.environ.get("VEC_DOMAIN", "log")  # "log" (node 24) or "lin" (node 25) CAPD = float(os.environ.get("VEC_CAPD", "0.0"))  # hard log-domain displacement cap (0 = off) SOFTD = float(os.environ.get("VEC_SOFTD", "0.0"))  # soft (tanh) displacement knee, log1p units (0 = off)@@ -460,7 +484,7 @@ REC_LEVEL = os.environ.get("VEC_REC_LEVEL", "matched")  # "matched": renormalise REC_SCOPE = os.environ.get("VEC_REC_SCOPE", "type")  # node 40 re-closure reference: "type" = per-type median of the smoothed ratio field (mechanism on), "global" = global median (parent node 35, bit-for-bit) REC_TYPE_MIN = int(os.environ.get("VEC_REC_TYPE_MIN", "30"))  # types with fewer anchor cells than this use the global median (PLAN risk 1: unstable per-type medians) REC_LAMBDA = float(os.environ.get("VEC_REC_LAMBDA", "1.0"))  # blend of the per-type reference toward the global one: r_ref = (1-lam)*r_med_global + lam*r_med_type (PLAN fallback grid)-REC_CAP = float(os.environ.get("VEC_REC_CAP", "3.0"))  # clamp the per-type reference to [r_med_global/CAP, r_med_global*CAP] (0 = off); protects extreme-velocity types from pinning at the PBC cap -- uncapped type medians span 0.44x..44823x the global median on this view+REC_CAP = float(os.environ.get("VEC_REC_CAP", "10.0"))  # node 49: relaxed 3.0 -> 10.0 (PLAN step 4, node 47's value) under the re-closed velocity; clamp the per-type reference to [r_med_global/CAP, r_med_global*CAP] (0 = off); protects extreme-velocity types from pinning at the PBC cap -- uncapped type medians span 0.44x..44823x the global median on this view. cap=inf (0) is worse (58.73), cap 10~20 is the plateau REC_REF_MODE = os.environ.get("VEC_REC_REF", "nn")  # node 42 re-closure reference: "nn" = per-cell mean of the smoothed ratio field over its SAME-TYPE coordinate neighbours (spatially local outlier correction), "type" = per-type median (node 40, bit-for-bit) REC_NN_K = int(os.environ.get("VEC_REC_NN_K", "15"))  # coordinate neighbours searched for same-type neighbours REC_NN_MIN = int(os.environ.get("VEC_REC_NN_MIN", "1"))  # cells with fewer same-type neighbours than this fall back to the capped type median (PLAN risk 1)@@ -505,6 +529,27 @@ EXT_W = float(os.environ.get("VEC_EXT_W", "0.3")) EXT_SIGN = float(os.environ.get("VEC_EXT_SIGN", "-1")) EXT_MIN_CELLS = int(os.environ.get("VEC_EXT_MIN_CELLS", "30")) EXT_TIME_TOL = float(os.environ.get("VEC_EXT_TIME_TOL", "0.01"))+# Node 49 mechanism (PLAN, family T2HX-01): within-type FRONT DECODE. After the+# velocity diffusion and the external-replicate correction, each cell's+# displacement velocity is modulated by its standardised coordinate projection+# on its own type's velocity direction: per type t (>= BETA_MIN_CELLS anchor+# cells, ||v_t|| > 0, projection std > 0),+#   z_i = (dot(x_i, v_t) - mean_t(dot)) / std_t(dot),  v_i <- v_i * (1 + beta*z_i)+# with beta < 0 the cells at the FRONT of the type's spatial distribution along+# the velocity axis move LESS and the cells at the BACK move MORE -- a+# synchronised within-type contraction along the velocity direction that+# creates spatial heterogeneity in the displacement field (targets nb_mmd /+# mmd_u, the node-45 weakest skills 0.623 / 0.582). Proven on the sibling+# branch: node 44 (beta=-0.10 on the node-43 base) nb_mmd 0.06931->0.06709,+# mmd_u 0.04302->0.04136; node 47 (q=0.7, gamma=2.0) reached the tree-best+# rank3 59.48 with the same mechanism. beta=0 (or --ablate, or a type below+# the guard thresholds) is bit-for-bit the parent node-45 pipeline. Both the+# main path (post-diffusion V) and the parallel dp-pinning path (undiffused V)+# consume the SAME per-cell factors, so the written dp stays pinned to the+# modulated parallel path and the gates protect the written output.+BETA_FRONT = float(os.environ.get("VEC_BETA", "-0.20"))  # node 49 mechanism: within-type front-decode strength; PLAN grid {-0.05,-0.10,-0.15,-0.20}, monotone in |beta| at gamma=2.5/cap=10 (nb_mmd & mmd_u improve, variogram pays); -0.20 is the grid edge, all five movable metrics beat the node-45 baseline+BETA_MIN_CELLS = int(os.environ.get("VEC_BETA_MIN_CELLS", "10"))  # PLAN risk 3: unstable std in small types -> beta=0 below this+BETA_PRE = os.environ.get("VEC_BETA_PRE", "1") not in ("0", "", "false", "False")  # PLAN risk 1 fallback (shipped default): modulate BEFORE the velocity diffusion -- at gamma=1.5 the post-diffusion nb_mmd gain was <0.001 (diluted by W=0.7), pre-diffusion scored higher and is the submitted decode DEBUG = bool(os.environ.get("VEC_DEBUG"))  @@ -858,27 +903,19 @@ def main() -> None:     alpha = ALPHA     pseudocount = PSEUDOCOUNT     gamma = GAMMA-    # Off-control: --ablate <any> (the harness passes the PLAN's-    # VEC_VEL_REGRESS; unrecognised names are treated as the primary-    # mechanism, which for the SUBMITTED configuration is the-    # geometric-mean re-closure) disables regression/shrinkage/velocity-    # diffusion/geo-re-closure; everything else (smoothing, rel velocity,-    # soft threshold, alpha, gamma=0.45 linear re-closure, PBC, gates,-    # frozen coordinates/rows/composition) is untouched.-    # Node 45 off-control: --ablate <any> turns OFF THIS node's ONLY new-    # mechanism (the external same-time-replicate velocity offset removal,-    # ext_w -> 0) and NOTHING else. The inherited node-42 state (velocity-    # diffusion W=0.7, same-type-NN re-closure reference, variance alignment,-    # dp pinning) stays exactly as the parent submitted it, so the ablated-    # run is bit-for-bit parent node 42 (verified by array comparison against-    # preds/base.h5ad). eps/beta_rec stay at the parent's (0.1, 0.15): the-    # PLAN's resweep put that point at the grid peak (all 16 configs within-    # +/-0.5 A-half), so there is nothing to re-tune there.+    # Node 49 off-control: --ablate <any> (the harness passes the PLAN's+    # mechanism_off_control name) sets beta = 0 for the within-type front+    # decode and NOTHING else: the external-replicate velocity correction+    # (ext_w=0.3), the velocity diffusion (W=0.7), the same-type-NN re-closure+    # reference, the variance alignment, the dp pinning and gamma stay exactly+    # at the submitted values, so the ablated run is bit-for-bit the parent+    # node-45 submission (f=1 -> both velocity paths identical).     regress = VEL_REGRESS     shrink_on = SHRINK_N0 > 0.0     vdiff_w = VDIFF_W     reclose_geo = RECLOSE_GEO-    ext_w = EXT_W if args.ablate is None else 0.0+    ext_w = EXT_W+    beta_front = BETA_FRONT if args.ablate is None else 0.0     beta_rec = BETA_REC     post_on = True     rec_scope_type = REC_SCOPE == "type"@@ -945,6 +982,56 @@ def main() -> None:                                         regress, shrink_on, ext_b, ext_w)             pba = Xa.mean(axis=0)             dt_approx = pba - Xb.mean(axis=0)+            # ---- NODE 49 MECHANISM: within-type front-decode modulation ----+            # Per-cell factors f_i = max(1 + beta*z_i, 0), z_i the within-type+            # standardised projection of the cell's anchor expression on its+            # type's velocity direction v_t (post-threshold, post-external-+            # correction -- the velocity actually decoded). Applied to the MAIN+            # path only, AFTER the velocity diffusion (PLAN step 1); the+            # parallel pinning path keeps the unmodulated velocity, so the+            # written dp -- and with it de_score/de_direction -- stays pinned+            # BIT-FOR-BIT at the parent's (PLAN mechanism_evidence 4) and the+            # mechanism can only redistribute displacement WITHIN types along+            # the velocity axis (front cells move less, back cells more at+            # beta < 0 -> synchronised within-type contraction).+            f_front = None+            if beta_front != 0.0:+                lab_f = np.asarray(stage.labels[rows]).astype(str)+                f_front = np.ones(Xa.shape[0], dtype=np.float64)+                f_info = []+                for t in sorted(set(lab_f.tolist())):+                    m_t = lab_f == t+                    n_t = int(m_t.sum())+                    if n_t < max(int(BETA_MIN_CELLS), 2):+                        f_info.append((t, n_t, "too_few_cells"))+                        continue+                    v_t = V[m_t][0]  # per-type velocity (rows identical pre-diffusion)+                    nv = float(np.linalg.norm(v_t))+                    if nv <= 1e-12:+                        f_info.append((t, n_t, "zero_velocity"))+                        continue+                    p = Xa[m_t] @ v_t+                    sd = float(p.std())+                    if sd <= 1e-12:+                        f_info.append((t, n_t, "degenerate_projection"))+                        continue+                    z = (p - float(p.mean())) / sd+                    f_front[m_t] = np.maximum(1.0 + beta_front * z, 0.0)+                    f_info.append((t, n_t, f"modulated std_f={float(np.std(f_front[m_t])):.4f} "+                                          f"|v_t|={nv:.4f}"))+                if DEBUG:+                    mod_types = sum(1 for e in f_info if str(e[-1]).startswith("modulated"))+                    print(f"front_decode: beta={beta_front} min_cells={BETA_MIN_CELLS} "+                          f"modulated_types={mod_types}/{len(f_info)} "+                          f"f_med={float(np.median(f_front)):.4f} "+                          f"f_q05={float(np.quantile(f_front, 0.05)):.4f} "+                          f"f_q95={float(np.quantile(f_front, 0.95)):.4f} "+                          f"clipped_frac={float((f_front <= 0.0).mean()):.5f} "+                          f"disp_std_within_type_pre=0 post="+                          f"{float(np.mean([np.std(f_front[lab_f == t]) for t in set(lab_f.tolist()) if (lab_f == t).sum() > 1])):.4f}",+                          flush=True)+                    for e in f_info:+                        print(f"  front {e[0]}: n={e[1]} {e[2]}", flush=True)             # ---- PARALLEL (pinning) PATH: node-40-exact computation from the             # undiffused velocity. Its raw displacement feeds the gates (the             # final dp is pinned to this path by the pb restore, so the gate@@ -972,6 +1059,11 @@ def main() -> None:                 r_use_par = np.exp(logr_par)[:, None]             else:                 r_use_par = r_par+            if f_front is not None and BETA_PRE:+                # Node 49, PLAN risk 1 fallback: modulate the main-path+                # velocity BEFORE the diffusion. The parallel pinning path+                # above already consumed the clean V, so dp stays frozen.+                V = V * f_front[:, None]             if vdiff_w > 0:                 # Spatial velocity diffusion (node 37 mechanism, resurrected                 # under the node-40 pb-restore protection): blend each cell's@@ -990,6 +1082,10 @@ def main() -> None:                     Wv2 = _knn_w(coords, VDIFF_K)                     for _ in range(int(VDIFF_STEPS) - 1):                         V = (1.0 - vdiff_w) * V + vdiff_w * (Wv2 @ V)+            if f_front is not None and not BETA_PRE:+                # Node 49: per-cell within-type front decode on the diffused+                # main-path velocity (the parallel path above is unmodulated).+                V = V * f_front[:, None]             if DOMAIN == "lin":                 # Multiplicative shift in the LINEAR domain: per-gene fold                 # change 2**(alpha*v) applied to expm1(x). Per-cell total

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。最终提交配置已在完整视图上验证通过。

## 做了什么

在父节点45基座上按 PLAN 执行三步改动（`solution/run.py`）：

1. **型内前沿解码（PLAN step 1，本节点机制，β=-0.20）**：每型内按细胞锚表达在型速度方向的标准化投影 z_i 调制速度 `v_i←v_i·max(1+β·z_i,0)`，前沿少移/后沿多移。**施加在速度扩散 W=0.7 之前**——扩散后 nb_mmd 改善仅 0.00013（<0.001，触发 PLAN risk 1 稀释判据），故改扩散前。平行钉死路径吃未调制速度，de_score/de_direction 对 β 逐位冻结。
2. **γ 重扫（PLAN step 3）**：1.5→**2.5**（cap=10 下内点峰，3.0 回落）。
3. **cap 放宽（PLAN step 4，节点47经验）**：`VEC_REC_CAP` 3→**10**。

## 查分结果（A半 proxy_noscale，20/20 用尽）

| 配置 | board | de_sc | de_dir | mmd_u | variog | nb_mmd |
|---|---|---|---|---|---|---|
| 父基线 β0 γ1.5 cap3 | 58.125 | 0.2917 | 0.3856 | 0.04292 | 0.03446 | 0.07173 |
| **提交 β-0.20 γ2.5 cap10** | **58.946** | 0.3333 | 0.4058 | 0.03972 | 0.03285 | 0.06994 |
| ablate β0 γ2.5 cap10 | 58.889 | 0.3333 | 0.4058 | 0.04064 | 0.03186 | 0.07087 |

- **五项可变 raw 全部优于父基线**，+0.82 board。增益分解：γ/cap 重扫为主体（β=0 时 58.889，+0.76），β 机制再加 +0.057（噪声内），但 nb_mmd/mmd_u 随 β 六档（0→−0.30）**单调**改善是结构性证据（正是父最弱的两项 skill）。
- mechanism_active=yes（ablate 改 24765/24826 细胞）；确定性、vec-check ok、视图无关（只用表达/坐标/时间差）均已验证；默认运行与已查分预测逐位一致。

## 下一步最值得试

1. β 在 A 半单调升到网格外 −0.30（58.982），但边际增益 ≪ 噪声——**不值得再追**；若要在 B 半确认，应对 β=-0.20 vs -0.25 做多种子复跑而非单查。
2. γ/cap 是主体增益：值得在其他 vdiff 基座（如节点47 的 q=0.7 分位再闭合）上交叉验证 γ=2.5/cap=10 是否也最优。
3. β 机制被 W=0.7 扩散稀释是根本限制——可试**降低 vdiff W** 给 β 腾出空间（但 vdiff 本身贡献 nb_mmd，需权衡），或把 z_i 投影改用扩散后速度方向。

调研员

{
  "name": "β=-0.10 型内前沿解码移植到节点45基座 + γ重扫",
  "motivation": "节点45（rank3 58.55）缺少树最佳节点47（rank3 59.48）的关键机制——型内速度调制（β=-0.10）。节点45最弱指标 mmd_u skill 0.582、nb_mmd skill 0.623；节点44在类似基座上引入β=-0.10后 nb_mmd 0.06931→0.06709、mmd_u 0.04302→0.04136，节点47进一步在q=0.7/γ=2.0下达到 nb_mmd 0.06388、mmd_u 0.03991。节点45的型内所有细胞共享同一速度，无空间异质性，是结构性缺陷。",
  "approach": "步骤：(1) 在父管线速度扩散（W=0.7）和外部校正（w=0.3）之后、软阈值之前，加入逐细胞速度调制：对每个型 t，计算细胞 i 的坐标在型速度方向上的标准化投影 z_i = (dot(x_i, v_t) - mean_t) / std_t，令 v_i ← v_i · (1 + β·z_i)，初始 β=-0.10，扫描 β∈{-0.05,-0.10,-0.15,-0.20}；(2) dp 钉死并行路径同吃调制后速度（保持 DE 冻结）；(3) γ 在调制后速度下重扫：{1.5, 1.7, 2.0, 2.5}，取五项可变 raw 指标综合最优；(4) 若 β=-0.10/γ 最优确认后有余量，尝试 VEC_TYPEREC_CAP 从 3 放宽到 10（节点47经验）。单输入阶段退路：无速度 → 无调制 → 逐位 copy_last。vec-score 快筛：先 β 4档×γ 2档（γ=1.5固定扫β，再最优β扫γ），共≤8次查分；确认最优后复跑1次验证。",
  "expected_groups": ["local_spatial", "cell_state"],
  "risks": "1) 速度扩散 W=0.7 已平滑了型内异质性，β 调制在扩散后施加可能效果被稀释——若 β=-0.10 的 nb_mmd 改善 <0.001，试把 β 施加在扩散之前（改变管线顺序）。2) dp 钉死路径若未正确消费调制速度，de_score 可能意外偏移——Engineer 第一次查分时确认 de_score/de_dir 与父逐位一致。3) z_i 计算依赖型内细胞数，小类型（<10细胞）std 不稳定——设最小细胞数阈值 10，不足时 β=0。4) 外推榜本地尺子已知高估约 3-5 分，+0.5 以内不视为真实收益，需五项 raw 同向改善作为判据。",
  "family_id": "T2HX-01",
  "mechanism": "型内前沿解码：按细胞在速度轴上的标准化投影 z_i 调制逐细胞速度（β<0 使前沿少移、后沿多移），在型内沿速度方向产生同步化收缩，创造空间异质性。",
  "vs_constant_shift": "常数位移对同型所有细胞施加相同倍数变化；β 调制按每个细胞的空间位置（在速度轴上的投影）给予不同幅度，型内产生差异化的位移场，改变的是型内空间结构而非型间均值。",
  "mechanism_evidence": "1) nb_mmd raw 下降（邻域表达-位置配对改善）；2) mmd_u raw 下降（型内分布更紧凑）；3) 型内位移标准差 > 0 且与 |v_t| 正相关（证明调制在运行而非退化为常数）；4) de_score/de_dir 逐位不变（dp 钉死生效，机制只动空间分布不动群体均值）。",
  "mechanism_off_control": "--ablate 设 β=0（其余参数不变），此时 v_i = v_t 对所有型内细胞相同，退化为父节点45的均匀型速度；预期 ablate 输出与父提交逐位一致（或仅差 γ 若 γ 也回退到 1.5），榜分差 ≤0.5。",
  "sources": []
}

审查员

REVIEW.json written