Weekly Report — 2026-W25 (2026-06-15 ~ 2026-06-21)

本周的特点是跨多个领域进行高风险的科学验证和深层的架构重构。关键成就包括：通过 Leiden clustering 迁移解决了 MIHD spatial transcriptomics 中的一个重大方法论悖论；为 RoboCasa 机器人模型（Predict 2.5 和 GR00T）建立了性能基准；并完成了 TokenMonitor 和 Desktop Video 应用的主要 UI/UX 及后端稳定性周期。尽管面临涉及 HPC 环境稳定性和 Windows 特定硬件/驱动行为的重大技术障碍，团队仍成功将 AI 基础设施迁移至 AWS Claude 平台，并为项目文档和数据同步建立了稳健的自动化工作流。

Weekly Overview

Metric Value
Date Range 2026-06-15 ~ 2026-06-21
Active Days 4 / 7
Total Conversations 17
Projects 17
Tasks Completed 27
Tasks In Progress 3
Total Tokens 1,248,913,784
Total Cost $1,235.61
Claude Code Token 1,184,933,504
Claude Code Cost $1,176.38
Codex Token 63,980,280
Codex Cost $59.23
Daily Average Cost $247.12

Project Progress

MIHD (Spatial Transcriptomics) (5 days active) — ✅ completed

Accomplishments:

  • 识别出“encoder paradox”，即基因 FMs 在检索方面的表现优于标准 encoders
  • 通过超参数扫描将 clustering 从 mclust 迁移至 Leiden
  • 通过 MD5 hashing 验证了 embedding provenance，并归档了 legacy datasets

Blockers:

  • ⚠️ 初始对 baseline features（UNI2 vs BYOL）的错误标记导致了无效的 ablation 结果

RoboCasa-Min & Error Recovery Benchmark (4 days active) — 🔄 active

Accomplishments:

  • 将 NVIDIA Predict 2.5 确立为成功的 baseline（71.1% success）
  • 完成了 GR00T-N1.6 leaderboard reproduction，并实现了 5 倍加速
  • 通过 Fisher exact test (p < 0.05) 验证了 M16 recovery 的有效性

Blockers:

  • ⚠️ 不完整的 training checkpoints 和未经验证的 augmented data 导致初始成功率为 0%
  • ⚠️ OpenPI evaluation scripts 存在结构性 bug，阻碍了直接部署

TokenMonitor (3 days active) — 🔄 active

Accomplishments:

  • 使用 Windows named mutexes 实现了统一的 Device Management 和 single-instance hardening
  • 通过在 Rust 中使用 time-bucketed caching 修复了 stale usage data bugs
  • 解决了 repository divergence 并完成了 v0.14.0 hygiene

Blockers:

  • ⚠️ 当 synced folders 被删除时，同步 Tauri app 行为的复杂性

Desktop Video (2 days active) — ✅ completed

Accomplishments:

  • 发布了 v5.0 preview，通过 bash/AppleScript 实现自动化 DMG packaging
  • 重构了 SwiftUI architecture 以消除 double-window startup bugs
  • 优化了 thumbnail rendering 以防止 CPU spikes

AI Companion / Gadget (2 days active) — 🔄 active

Accomplishments:

  • 开发了 paginated HTML DAG visualization workflow
  • 使用 Mermaid graphs 实现了 repository-to-DAG documentation

Key Tasks

  • ✅ STAIG to Leiden Clustering Migration & Ablation — 审计了 STAIG logic，并实现了一个可配置的 Scanpy Leiden pipeline，在 11 个 DLPFC sections 上进行超参数扫描以替换 mclust 并获得优化的性能指标，特别将 n_neighbors 作为 ARI 提升的主要驱动因素进行了调优。添加于 2026-06-19。
  • ✅ Desktop Video UI/UX & Performance Refactoring — 统一了 title bar/sidebar 的 glass effects，并在 AppDelegate 中集中了 window management，以解决渲染期间冗余的 window instantiation 和 CPU spikes 问题。添加于 2026-06-19。
  • ✅ M16 Coffee Evaluation — 在 1000 个场景上对 recovery vs normal models 执行了完整的 inference，通过 Fisher exact testing 为 recovery model 的有效性提供了统计学验证。添加于 2026-06-21。
  • ✅ TokenMonitor: Unified Device Management & Single-Instance Hardening — 将 remote devices 和 SSH hosts 整合到单一视图中，并实现了 Windows named mutex fallback，以防止在不同 OS 环境下的 startup failures。添加于 2026-06-17。
  • ✅ Error Recovery Benchmark Diagnostic — 确定 0% 的成功率是由于训练不完整和未经验证的 augmented data 导致的，而非模型本身的问题，从而将策略转向高质量的数据再生。添加于 2026-06-19。
  • 🔄 pi0.5 Full Leaderboard Reproduction — 正在 node2 上按照 leaderboard protocols（50 tasks, 50 trials）对 pi0.5 model 执行完整的 evaluation。添加于 2026-06-19。

Problems & Solutions

1. Desktop Video app displayed two windows on startup and experienced CPU spikes during navigation. [Desktop Video]

Solution: 从 SwiftUI Scenes 中移除了 WindowGroup，完全依赖 AppDelegate 进行 window management，并实现了 lazy thumbnail instantiation。添加于 2026-06-19。

2. TokenMonitor single-instance startup failure when lock port is occupied by un-terminatable processes. [TokenMonitor]

Solution: 实现了一个 Windows named mutex (Local\TokenMonitor-SingleInstance) 作为稳健的 fallback lock mechanism。添加于 2026-06-17。

3. Zero success rate in RoboCasa Error Recovery Benchmark (coffee task) due to suspected weak policy. [RoboCasa]

Solution: 诊断出根本原因是训练不完整 (5000/10000 steps) 和未经验证的 augmented data，将策略转向数据再生。添加于 2026-06-19。

4. Daily export was silently skipping sync due to missing rclone binary and incorrect configuration paths. [DCC/HPC]

Solution: 在 HPC 上重新安装了 rclone v1.74.3 static binary，并更新了 summarize config paths。添加于 2026-06-21。

Learnings

Domain Knowledge (domain)

  • 在 spatial transcriptomics 中，“n_neighbors” 是 Leiden clustering 最关键的超参数，其影响力通常大于 resolution settings。
  • NVIDIA RoboCasa 生态系统区分 Predict 2.5 (Policy) 和 Cosmos 3 (World Model)；区分这两者对于 benchmark compatibility 至关重要。

Debugging (debugging)

  • 在带有 NVIDIA drivers 的 Windows 系统上，system memory fallback (WDDM) 可能会通过交换到 shared RAM 来掩盖 Out-Of-Memory (OOM) errors，从而导致无法解释的 latency 而不是立即崩溃。

Architecture (architecture)

  • 对于 single-instance applications，将基于 TCP 的 IPC 与 OS-level primitives（如 named mutexes）相结合，可以为被占用或受保护的端口提供必要的冗余。

Tools (tools)

  • 科学 provenance 最好通过对 embedding arrays 进行直接的内容哈希 (MD5) 来验证，而不是依赖可能不可靠的 metadata labels。

AI Usage Notes

Effective Patterns:

  • ✓ 用于可行性研究 (RoboCasa) 的 Multi-agent research workflows
  • ✓ 通过 mobile/desktop profiling feedback 对 SwiftUI components 进行迭代式 patching
  • ✓ 通过 AST scanning 和 static graph generation 实现自动化文档生成Limitations:
  • ✗ 在 DMG automation 过程中未能预见到 macOS 特有的文件锁定 (Finder/QuickLook)
  • ✗ 无法检测非标准的 Windows driver 行为 (memory swapping vs. exception throwing)
  • ✗ 在没有人工监督的情况下，难以在自定义 SwiftUI components 中实现精确的视觉/像素级对齐

Next Week Outlook

优先级将集中在完成 pi0.5 full leaderboard reproduction，并将 Error Recovery Benchmark 过渡到具有经过验证的 augmented data 的完整 retraining pipeline。此外，重点将转向扩展 AI Companion 的 DAG visualization 能力，并解决剩余的 TokenMonitor MacSync edge cases。

Token Usage Statistics

AI Usage · 2026-W25 Claude Code + Codex
Total cost
$1,235.61
Total tokens
1.25B
Output tokens
9M
Cache read
91.1%
Cost split Claude Code $1,176 · Codex $59
Token character Cache reads 91.1% · Active 8.9%

Most token volume came from cache reads; Claude Code drove nearly all cost.

Peak Day: unknown — $887.89 / 906.1M tokens

Daily Average: $247.12