SetuHQ transit search

• 物理计算通过与闭式解和已发表数值进行对比测试验证；下方四项均使用相同函数绘制。
• **日冕仪：**将 Lyot 光阑从 150% 收至 80%，可使 8 λ/D 处的星光从峰值的 6.7×10⁻⁵ 降至 1.8×10⁻⁷。
• **逐种模式解析分子。**涵盖十种分子，将每种振动与其红外波段关联，标出红外静默模式，并注明每种模式的振幅夸大倍数。
• **径向速度：**恒星与行星绕共同质心运行，通过开普勒方程求解；并注明恒星运动的夸大倍数。

页面显示的是展示名称；所有数据文件、CSV、JSON 和 URL 中的评审者 ID 均保持不变。默认面板包含 2 个 Sentinel 和 3 个 Probe：Sentinel · 志愿者（claude-volunteer）、Sentinel · 怀疑者（claude-skeptic），以及 Probe · 灵敏型、Probe · 典型型和 Probe · 谨慎型（volunteer-sensitive、volunteer-typical、volunteer-cautious）。

Sentinel 收到的任务与志愿者相同，看到的是盲编码图表，且不会收到目标名称。它们返回严格 JSON，经过验证后会裁剪至受试对象的时间范围。不可用的评审者会被跳过，并列入清单。响应按模型、提示词和图像的哈希缓存，因此重新运行无需额外成本且结果可复现。

两个 Sentinel 使用两种角色设定：volunteer（谨慎，会标记低谷）和 skeptic（除非二元和系统性特征十分明显，否则会予以否定）。Sentinel 也可以通过 OpenAI、Gemini 或任何兼容 OpenAI 的端点运行，并会标明相应来源（参见 AI 提供商）。

真实数据：π Men（TIC 261136679）的 TESS SPOC 第 1 扇区数据，使用 3 个 Probes 和 2 个 Sentinels（Skeptic 和 Volunteer，通过 CLI 使用 Claude），数据存储在 runs/tess-pi-men-s1 中，并使用当前代码运行（复用 Sentinels 已存储的答案：主题图像和提示词的字节完全一致）：

• 7 个共识凹陷：6 个通过审查，其中 1 个被标记为 off_ephemeris，另有 1 个未通过审查（low_snr、off_ephemeris）。
• 其中 5 个符合已发表的 pi Men c 星历。在 26 天的观测窗口内，预测的 5 个历元全部被检出；与 NASA Exoplanet Archive 的数值相比，平均凌星时间偏差为 −8 分钟（docs/results/pi_men_crossmatch.json）。
• 凌星形状，含边缘昏暗效应的拟合（见 docs/results/pi_men_validation.md）。对 5 个历元进行联合拟合，并允许周期在 BLS 周期附近自由变化（6.2680 ± 0.0005 d；Huang：6.26790 d），先给出可直接对照的量：Rp/R★ = 0.0179 ± 0.0017（相当于 Huang et al. 2018 数值的 1.05 倍），T14 = 3.07 ± 0.17 h（相当于 1.04 倍）。含边缘昏暗效应模型的凌星中点深度为 292 ± 8 ppm（相当于 Huang 已发表的 300 ppm 的 0.97 倍；该 300 ppm 按照论文中的定义计算，并非由此模型定义）。被替代的箱形测量结果在深度和持续时间上分别为 0.81 倍和 0.64 倍。误差取值较保守，综合了协方差和沿冲击参数剖面的变化范围。
• **冲击参数需要结合恒星信息。**对 5 次 TESS 凌星进行自由拟合，只能得到 b < 0.87（1σ），因此 a/R★ 和 ρ★ 均为范围值（ρ★ 在 1σ 下为 0.28 到 2.2 g/cm³，与 TIC 的 1.02 一致）。将 TIC 密度作为高斯先验（1.02 ± 0.20 g/cm³）后，拟合得到 b = 0.64 ± 0.12、a/R★ = 12.85（1σ 范围为 11.5 到 13.6）以及 T23/T14 = 0.95；Huang 对应的值为 0.59、13.38 和 0.95。拟合形状为 U 形，而非 V 形。
• 两个主题中的周期信号，其虚警概率都低于 10⁻⁴。在 10,000 次区块自助法试验中，没有一次达到观测到的 SNR，因此 10⁻⁴ 是上限，而非具体数值。零假设下的最大值已提交至 runs/tess-pi-men-s1/fap_null/；对这些最大值进行的 Gumbel 拟合存储为 fap_tail，其尾部概率低于 10⁻⁶（仅供参考，见下文）。
• BTJD 1348.9 处通过审查的凹陷（0.87 h，SNR 9.5）不符合星历，很可能是假阳性。该凹陷予以保留并标记，未被隐藏。
• BTJD 1348.4 处的凹陷（SNR 6.7）未通过审查，仍保留在已存储的候选项中，并附有相应标记。

已存储的运行结果于 2026-10-21 使用当前代码从头重新运行（scripts/rerun_pi_men.py）。所有凹陷、审查结果、拟合和 FAP 均与首次使用修复前代码进行的运行结果相同（运行清单记录了逐字段比较结果）；没有再次询问 Sentinels，而是复用其已存储的答案，因为每个主题图像和提示词的字节完全一致。同一次运行中的扩展审查、降低后的 FPP 和导出结果：

• 扩展审查与像素级审查（scripts/vet_pi_men_s2.py，真实 SPOC sector-1 文件；参见 docs/results/pi_men_s2_vetting.md）。对全部五个历元进行联合拟合 （P = 6.26795 ± 0.00049 d，T14 = 3.09 ± 0.16 h）后，对经两轮重新去趋势处理的光变曲线进行分析；处理时屏蔽了凌星和相位 0.5 （窗口 1.55 d，12 T14；第一轮中最强的凹陷不显著，因此未将其屏蔽）：CROWDSAP 0.9997，FLFRCSAP 0.980（无拥挤）；凌星之外任意相位处最强的凹陷为 相位 0.622 处的 42 ± 7 ppm（名义显著性 5.6σ），低于校准阈值 6.9σ（扫描稳健离散度 1.33 的 5.16 倍），其中 86% 来自一个历元；相位 0.5 处为 −12 ± 7 ppm。各历元分别拟合得到的奇偶次凌星深度一致（301 ± 14 对比 311 ± 12 ppm，0.5σ）；五个中间时刻符合线性历表（自由度为 3 时 χ² = 1.9，p = 0.59，O−C 在 1.8 min 以内），且没有奇偶次计时偏移（0.5σ）。在本次运行所用设置下没有触发标记，但次级信号处于阈值边缘，是否标记取决于设置：12 种相近的运行设置中（去趋势窗口 1 或 2 d × 分箱间隔 2、6、10、15、20 和 30 min，每种设置都经过完整的两轮预处理），有 3 种标记了 secondary_any_phase：使用 1.55 d 审查窗口时的 15 和 30 min 分箱，以及使用 2 d 窗口时的 30 min 分箱；这些设置下，相位 0.64 处的凹陷达到阈值的 1.05–1.2 倍，且前两种设置在第一轮中就已检测到显著信号。其余 9 种设置均未标记：信号仅达阈值的 0.68–0.93 倍，或不具周期性（20 min 分箱、1.55 d 窗口下，相位 0.74 处的凹陷达到阈值的 1.05 倍，其中 90% 来自一个历元）。此前的代码无论第一轮中最强的凹陷是否显著，都会将其屏蔽，导致默认设置下的凹陷显著性从 5.6σ 升至 7.0σ，并在 15 种设置中有 8 种触发标记，包括窗口不超过 1.5 d 时的所有 6 和 15 min 分箱（即审查者的测量结果）。这些不是相互独立的试验：所有不超过 12 T14 的运行窗口都会归并为相同的 1.55 d 审查窗口，因此这 12 种设置实际上是 2 个不同的审查窗口（1.55 和 2 d）× 6 种分箱间隔，且使用的是同一组数据（审查者采用的 15 种设置网格包含 0.75–2 d 的窗口 × 3 种分箱间隔；同理，实际上只有 6 种不同设置）。

• pi Men c 的 FPP 降低结果，来自已存储的运行记录（candidates.json 中的 metrics.validation；该方案的先验是明确的选择，见“诚实的限制”）。每个 13-day 目标：第一个为 0.019（0.0186），第二个为 0.015（0.0148）。在管线的五种去趋势设置下（默认设置，以及窗口 ×0.75 和 ×1.5，屏蔽范围为 1.0 和 2.0 T14），使用两种噪声模型时，范围为 0.0111–0.0216（第二个目标为 0.0123–0.0190），对数几率跨度为 0.29 dex（0.19），因此通过稳定性门槛。分类为“未确定”：范围跨越 0.015 阈值。NFPP 未知，因为该次运行没有邻近天体表；标签为“未验证：无对比曲线”。pi Men c 是一颗已发表且测得质量的行星；这说明了该方案在真实数据上的局限。 历史记录：2026-10-20，对整个 sector 的全部五个历元进行联合拟合（scripts/vet_pi_men_s2.py， docs/results/pi_men_s2_vetting.json）后，在相同设置下的结果范围为 0.0079–0.093，因不稳定而被拒绝（几率跨度为 12.9×；允许上限为 10×）；在更宽的网格上，其次级信号扫描在 15 种设置中的 6 种显示为白噪声，最大增亮幅度为 2.6–6.2σ。

• 历表锥体。 导出已存储的运行记录（setuhq export runs/tess-pi-men-s1 --allow-unchecked；归档的 TOI 表请求超时，HTTP 504）后，得到一个信号：根据第一个目标的联合拟合，P = 6.2681 ± 0.0012 d；其对 2026 年 10 月的预测凌星（历元 479）携带 σ = 13.8 h，即 3σ 窗口为 86 h。ATLAS G5 警告，单目标历表在几年内就会过时。使用 TOI 表时，该信号为 TOI 144.01，并因重复项而排除（已使用已发表的历表进行测试）。

• pi Men 的差分图像质心不可用，SetuHQ 也明确指出了这一点。 PSF 拟合显示，差分图像与星表位置相差 2.05 px（40.1″），偏移主要位于行坐标方向（行 −1.91 px，列 −0.74 px）；这正是电荷沿 CCD 列溢出的方向。SPOC 针对 TOI 144.01 的 DV 报告也发现了相同的偏移量级和方向：40.5″，行 −2.07 px，列 0.02 px；DV 质量指标为 0.58，低于 DV 的 0.7 可靠性阈值。pi Men（Tmag 5.1）已饱和：同一列中的五个像素位于接近峰值 5% 以内的平台上，形成溢出拖尾。凌星会缩短拖尾，而不是使 PSF 变暗，因此“偏移”其实是拖尾末端的位置。 拟合结果也印证了这一点：差分图像 PSF 收缩至 0.3 px 的宽度下限，比非凌星状态下的 PSF 窄 3.4 倍。SetuHQ 标记了 saturated 和 centroid_unreliable，但没有发出 centroid_offset。逐次曝光的质心运动测试没有发现偏移（0.1σ），但对于饱和恒星，这同样无法提供信息：恒星变暗时，发生截断的溢出拖尾的通量加权质心不一定会移动。在 150″ 内的 56 颗 TIC 恒星中，除目标星外，其余恒星都需要超过 100% 的食深度；最近的一颗 TIC 261139071（Tmag 14.0 ± 0.75，27″）需要 111%，这一结果处于边缘：在其 Tmag 不确定度的 3σ 范围内。 本次运行中 Sentinel 的操作，依据已存储的分类结果：

• 在第一个目标（BTJD 1325.3 至 1338.3）上，Sentinel · Volunteer 标记了 1325.50、1331.77 和 1338.05 处的凹陷，并将目标标记为 potential_planet（置信度 0.8）；Sentinel · Skeptic 标记了 1325.50、1331.77 和 1338.05 处的凹陷，并将目标标记为 potential_planet（置信度 0.7）。

• 在第二个目标（BTJD 1338.3 至 1351.3）上，Sentinel · Volunteer 标记了 1344.27 和 1350.57 处的凹陷，并将目标标记为 potential_planet（置信度 0.4）；Sentinel · Skeptic 标记了 1344.27 和 1350.57 处的凹陷，并将目标标记为 potential_planet（置信度 0.7）。两者都没有标记 1348.38 处的凹陷（筛查未通过），也没有标记 1348.94 处的凹陷（虽通过筛查，但不符合星历）。

• 在共识结果中，每个 Sentinel 的权重为 0.5，而 Probe 的权重为 0.4 至 0.6：Sentinel 是经过校准的评审小组中的意见来源，并非整个评审小组。

真实 TOI 上的盲测基准（于 2026-10-21 使用当前代码重新运行；结果是在明确说明的基准上测得，并非发现结果；参见 docs/results/benchmark_real_tois_clipfix.md，首次运行使用修复前的代码，参见 docs/results/benchmark_real_tois.md）。数据取自 NASA Exoplanet Archive 的 TOI 表，共 662 个 TOI（于 2026-10-19 获取，随机种子为 20261019）：300 个 CP/KP、300 个 FP 和 62 个 FA，每颗恒星取一个，并按恒星划分为两半。每颗恒星的首个 SPOC 2 分钟观测扇区会经过 Probes 评审组处理，同时还会将通量反转副本和分块打乱副本作为误报对照。保留的半组数据，Wilson 95% 置信区间：

• 完备度：60%（可搜索恒星上的 150 个 CP/KP 中检出 90 个；52% 至 67%）。 半径大于 8 R⊕ 时为 84%，4 至 8 R⊕ 时为 45%，2 至 4 R⊕ 时为 23%，小于 2 R⊕ 时为 10%。按已发表参考结果使用的分组：所有半径：60%（90/150；52% 至 67%），相比之下，Kepler Robovetter DR25 为 > 85%（仅筛查已检出的 TCE，P < 100 d）；3 至 4 R⊕：44%（4/9；19% 至 73%），相比之下，Planet Hunters TESS 为 51%（公民科学搜索）；大于 4 R⊕：79%（81/102；71% 至 86%），相比之下，Planet Hunters TESS 为 85%（公民科学搜索）。SetuHQ 的完备度低于 Kepler Robovetter（置信区间不包含其结果）；与 Planet Hunters TESS 在 3 至 4 R⊕ 时的 51% 无显著差异（9 颗恒星上的结果为 44%、19%–73%；估值低 7 个百分点，但置信区间无法判定）；与 Planet Hunters TESS 在大于 4 R⊕ 时的 85% 无显著差异（102 颗恒星上的结果为 79%、71%–86%；估值低 6 个百分点，但置信区间无法判定）。Planet Hunters TESS 的比率本身也存在不确定性，且数据来自第 1 至 26 扇区。

• FP TOI：评审组发现了 77% 的凹陷，并将其中 68% 判定为类似双星或标记出来。 这只适用于有 2 分钟数据的 FP 恒星（158 个中有 124 个）。FP TOI 更常只有 FFI 数据，因此这并不代表整个 FP 列表的可靠性。

• 实时信息流中的“新”信号与噪声一致。 在对照数据中，信息流自身的纳入规则每 1,000 个恒星扇区会通过 58 个（反转）和 61 个（打乱）误报信号。 按该规则计算，相当于每 100 个待审目标约 12 个，而实时信息流中每 100 个目标为 15.8 个（19 个目标中有 3 个）。

• 修复方案在保留数据上预先注册并进行测量。 信息流现在要求信号在两个已审查扇区中都出现（周期相差不超过 0.5%），且在 2,000 次试验中 FAP 低于 0.001。该规则在调优半组数据上选定，并在保留数据评估前提交（8909cda）；保留数据评估使用当前代码重新运行，未作任何更改 （docs/results/feed_rule_validation_clipfix.json）。 使用发现配置测得的保留数据结果，从旧规则到新规则：

  • 对照数据中的噪声：每 100 个目标有 27.8 个（95% CI 23.1–33.1）误报信号，降至 6.1 个（4.0–9.4） （首次评估使用修复前的代码：从 23.0 降至 6.1）；
  • 信息流级完备度：从 39% 降至 17%（与此前相同）；
  • 排除在外的 FP TOI：从 70% 升至 94%。 噪声减少了约 4.5 倍，但每 100 个目标中有 6 个，仍高于真实光变曲线目前给出的每 100 个目标 1.6 个新信号（修复前代码为 0.3 个）。信息流仍由误报主导，纳入的信息只是供人工或后续审查的线索，并非任何已确认状态的候选项。在当前代码上，用此前的扇区重新运行信息流中的 19 个目标后，纳入了 0 个新信号和 2 个已知 TOI（24 条记录），与修复前代码的结果相同。

• 对所述 40 颗留出恒星子样本，没有再次调用 Sentinels 进行重新运行。对于当前代码下目标图像和提示词字节完全相同的 37 颗恒星，沿用其已存储的回答；其余 3 颗（修复后会保留深凌星）不纳入统计。在这 37 颗恒星中，每种角色都将 CP/KP 凹陷的 47%（9/19）和 FP 凹陷的 22%（4/18）标记为潜在行星。它们对 37 颗恒星中的 35 颗看法一致（φ = 0.88）：它们是同一个模型，因此只是一个相关投票者。

Probes 的注入恢复基准测试（在当前代码上重新运行）： docs/results/injection_recovery_simulated_panel.md。 该测试和阈值扫描最初是在 2026-10-16 的代码上完成的，当时注入的凌星还没有加入边缘昏暗效应（2026-10-19 才加入），因此重新运行后的变化并非仅由这两项修复导致。留出集得分从 0.875 降至 0.833，因为在 1000 ppm 下，48 次注入中有 2 次不再被恢复（2 h 时从 12 次降至 5 次中的 6 次；4 h 时从 12 次降至 11 次）；这一变化随加入边缘昏暗效应的注入而出现，在修复前的 5a03087 代码上也已存在。 Sentinels 不在该基准测试中。每个注入目标都需要单独调用一次 CLI，因此 Sentinels 会在小样本上单独校准（10 个注入目标和 10 个空目标：权重均为 0.5；Probes 的权重为 0.4 至 0.6）。

搜索命令 setuhq discover 每次运行一批 TESS 目标。它会轮换 TOI 主星列表，使覆盖范围每天递增；审查每个目标最近的两个扇区，并将每个新凹陷加入去重后的目录。若某个凹陷与已发布的 TOI 周期匹配，则标记为 known_toi；否则标记为 new_candidate。

• .github/workflows/discover.yml 在手动启动时运行一批任务（已关闭定时计划），以 ashfordeOU 的身份提交目录并部署网站。设置了 ANTHROPIC_API_KEY 密钥时，会运行 Claude 的 API 审查器；否则该批任务仅运行 Probes。
• scripts/improve.py 会在注入基准测试上扫描面板阈值。只有在留出种子上胜出的设置才会被提升。阈值扫描中的每次试验都记录在 docs/threshold_sweep.md 中，包括未胜出的试验。这项合成扫描并非真实 TOI 排行榜（见排行榜与方法论文）。

测得的误报率。 在较早的规则下（单个扇区上进行 200 次试验，FAP < 0.01），所有信号都被破坏的光变曲线每 100 个目标仍会通过约 12 个噪声信号。实时信息流显示每 100 个目标有 15.8 个 new_candidate 信号，因此其中的“新”信号与噪声相符（见基准测试）。

现在，信息流要求信号在审查的两个扇区中均出现，并且在 2,000 次试验中 FAP 低于 0.001。该规则是在调优集的一半上选定并预先注册的，随后先在留出集的另一半上用修复前代码评估，再用当前代码以未作改动的规则重新评估 （验证）。噪声因此减少约 4.5 倍，从每 100 个目标 27.8 个（95% CI 23.1–33.1）降至 6.1 个（4.0–9.4），完整率（信息流层面）则下降超过一半，从 39% 降至 17%。噪声仍多于真实新信号（每 100 个目标约 6 个，而真实新信号为 1.6 个），因此信息流纳入的内容只是供人工或后续审查的线索。

• 真实 TOI 排行榜（docs/leaderboard/，以及网站上的 /evidence/leaderboard/） 统计方法在冻结的 662 个 TOI 基准测试留出半区中，每颗恒星检测到的事件数，并自行评分：完整率、误报拒绝率、对照组误报率和可靠性，均采用 Wilson 区间。排行榜根据基准测试可搜索集合上的 Youden's J 排名，并在两侧使用同一判定条件（干净的候选项），因此，把每个 TOI 都称为行星得 0 分，无论是否标记；只有在两个对照组上都测得结果的条目才会参与排名。Sentinel 子样本（所述 40 颗恒星中有 37 颗在重新运行后保持逐字节不变）会列出，但不会参与排名。一个完全不读取光变曲线、仅使用元数据的基准下限也参与排名，而且该基准测试无法证明 Probes 胜过它：对相同恒星进行配对比较后，下限的表现更好，但 ΔJ 的区间包含零（重新运行中，Probes 的 J = 0.35，下限为 0.39，配对 ΔJ 为 +0.04，95% 区间为 −0.10 至 +0.17；docs/leaderboard/leaderboard.md）。setuhq leaderboard my.json 会为提交评分，并拒绝任何未声明仅使用调优半区输入的哈希值，或包含白名单之外字段的提交。排行榜以 SetuHQ 自身的配置为种子，这些配置根据基准测试存储的输出构建（scripts/leaderboard_seed.py）。
• 方法论文草稿（docs/paper/paper.md，采用 AAS/AJ 样式的 Markdown）报告了基准测试及其负面结果。文中的每个数字都来自已提交的 JSON，生成方式为 scripts/paper_numbers.py；后续工作会改变的结果会标记为待定。

过去，行星搜索会丢弃所有非行星候选项的凌星信号。扫描会将它们保留下来。 setuhq sweep 会遍历 TESS 扇区中的 SPOC 2 分钟目标，并针对每个恒星-扇区组合，保留面板的所有共识凌星信号（无论面板如何标注）、所有增亮现象以及恒星的变异性，然后按照 src/setuhq/variables.py 中的首个匹配规则对它们进行分类：

每条记录都保留其置信度、决定分类的提示、标记、权重、Sentinels 的原话、光变曲线的 sha256、代码指纹和配置哈希，以及搜索者姓名。没有任何目标会被称为已确认。每个类别都在同一批恒星上与其自身的零假设比较：下陷类别与通量反转副本比较（真实下陷会变成隆起，但真实耀发或脉动峰值也会变成下陷，因此该零假设并非没有真实信号）；耀发与向下事件比较，并屏蔽真实下陷；变异与同一颗恒星的红噪声副本比较，该副本是对其自身分箱数据拟合的 AR(1) 过程（翻转通量不会改变周期图，因此反转副本不是适用于变异的零假设；而打乱数据会消除导致虚假峰值的红噪声）。变异规则本身要求周期具有一致性：光变曲线的前后两半中，最佳峰值相同，误差在 10% 以内。每类信号都与同类比较，恒星-观测扇区是统计单位：下陷会集中在少数恒星上，因此超额信号的 95% 区间通过对恒星-观测扇区进行配对自助法得出，同时报告仅一侧出现事件的恒星-观测扇区的 McNemar 精确检验结果。只有两者结论一致时，某个类别才算超出其零假设；否则网站会标注为“在此数据切片中无法与噪声区分”。

setuhq sweep configs/sweep.toml --sector 1 --limit 200 --workers 3   # resumable; cached; polite to MAST
setuhq bundle my-sweep/sector_0005.json.gz --contributor "Your Name" --out bundle/
setuhq ingest bundle/ --attested-by <pr-author>   # sealed, not signed: re-searches every finding + max(3, 5%) by a nonce

网站读取 docs/sweep/catalogue.json：主页计数器、/catalogue/everything-that-dims/（探索 › 所有变暗目标，提供筛选、逐 TIC 页面以及 CSV/JSON 导出）、Sky map 上的巡查图层、Mission Control 的遥测数据和搜索功能。任何人都可以使用自己的 Claude 订阅或 API 密钥添加一个观测扇区（密钥保存在其环境中，绝不写入文件），并获得署名：请参阅 CONTRIBUTING.md。

首个真实数据切片（实测，仅限 Probes）。 TESS 第 1 观测扇区：按巡查顺序选取其 15,898 个 SPOC 2 分钟目标中的前 200 个，并全部完成搜索（无下载失败）；搜索代码为 0e87409，分类依据为本次提交中的规则（每条记录均含 search_code 和 classify_code）。面板审查了 936 个共识下陷（2,662 个标记；60 个标记簇未达到共识），目录中共有 1,011 条记录。每项比较均针对同样 200 个恒星-观测扇区，按类别一一比较；区间通过对恒星-观测扇区进行配对自助法得出，“真实 / 零假设”恒星-观测扇区数量是指至少出现一个事件的恒星-观测扇区数量：

此数据切片中没有任何类别超过其零假设。 此表的两个早期版本曾声称有一个类别超过了零假设，但两项说法都不正确：

• 食双星的说法将凹陷计作独立事件。其中两颗恒星贡献了约三分之一的事件；逐颗恒星来看，超额与零无法区分。
• 变星的说法使用了红噪声也能通过的周期图规则，并与丢失红噪声的打乱数据零假设进行比较。在通过 FAP 和振幅规则的 36 个峰值中，8 个具有相干周期，即光变曲线前后半段的最佳峰值相同（1.0 至 2.7 d）。20 个周期长到无法用半段数据检验，5 个位于周期网格边缘，3 个在前后半段之间漂移；这 28 个现在被标记为未分类，并注明了原因。现在，零假设是每颗恒星经过相同规则处理后生成的红噪声副本。

6 条食双星类变率记录没有对应类别的零假设，因此未纳入比较。通过行星候选规则的 3 条记录（没有一条与已知 TOI 匹配）与单靠噪声产生的数量相当，因此网站不会将它们列为候选体。在 11 次耀发中，8 次上升速度快于衰减速度，2 次则相反（另有 1 次速度相同）。此数据切片未发现行星，而且在超额显现之前，每个类别都需要更多恒星。扫描时关闭了 FAP 试验（每颗恒星进行 50 次试验约需两分钟），恒星参数来自各文件的标头。记录：docs/sweep/sector_0001.json.gz 和 docs/sweep/catalogue.json。

此数据切片的溯源信息。 在 0e87409 重新搜索记录后，于此提交中基于缓存文件和已存储的运行结果，针对相干性规则和红噪声零假设重新分类一次。每条记录的 reclassifications 都列出了这一步及其规则变更。更早的记录可在 docs/sweep/ 的历史记录中查看：在 b8647ad 搜索；在 3c5862e 重新分类以修复两个错误（一项上升和衰减速度相同的耀发被判定为快速上升，以及两个相隔不到 0.01 d 的增亮事件共用了一个 ID）；在 1eb9a6f 重新分类以修正短周期密度规则和各类别的零假设。

重新搜索后的一项修复：已存储的运行目录仍保留着早期搜索的分类结果，首次统计标记时将这些结果也计入其中（5,358）。一致性判定、记录和零假设仅使用本次搜索的结果。n_marks 已根据本次搜索自身的分类结果重新统计（每条发生变化的记录都会在 n_marks_note 中说明）。在干净目录中重新搜索的 8 个星区（包括所有有行星候选体的星区）都能精确复现其记录。现在，每次搜索某颗恒星前，扫描都会清空其运行目录。只有当配置哈希、搜索代码和分类代码全部匹配时，恢复运行才会复用已存储的记录。目录对每个星区仅统计一次搜索，即最新的一次；更早的搜索仅作为溯源信息保留。 数据大小。 每个星区的记录存为一个 gzip 文件（sector_NNNN.json.gz；这 200 颗恒星的数据为 0.47 MB；网站获取的目录为 1.7 MB），因此完整星区的记录约为 37 MB。超过几个星区后，记录将存放在仓库之外，作为发行版资源；仓库中会提交一份记录其 sha256 的清单，供网站构建时校验。届时，目录将只包含条目和覆盖范围，不再包含每颗恒星的事件和空值。第二步目前尚未实现。

• 裁剪错误已修复，并重新运行了基准测试。 首次运行的基准测试代码会移除所有低于滚动中位数超过点间散布 10 倍的点，且没有连续长度测试，因此深度超过每次采样散布约 10 倍的凌星，其凌星期间的点会被删除。在其留出集的一半中，有 27 颗 CP/KP 恒星和 11 颗 FP 恒星符合条件（深度超过散布的 8 倍），其中 3 颗 CP/KP 漏检可由此解释。使用修复后的代码重新运行，协议保持不变，27 颗符合条件的 CP/KP 恒星中有 23 颗被检出（此前为 21 颗），其中包括全部 3 颗漏检恒星；留出集完整率为 60%（90/150），而此前为 57%（86/150）：5 颗恒星新增检出，1 颗检出丢失，提升 3 个百分点，但未显示出超出重采样噪声的幅度（配对自助法 95% CI 为 0 至 +6 个百分点；McNemar p = 0.22）。大多数新增检出都是被旧奇偶检验拒绝的深层行星。同一修复也解释了其他大多数变化：对于反转对照组，现在通过审查、此前未通过的 24 个凹陷中，16 个曾被旧奇偶检验拒绝，5 个是被旧版清理流程删除的深层反转特征（另有 3 个；3 个现在不再通过），因此每 1,000 个恒星扇区中通过审查的凹陷数从 573 增至 641；而 5 个凹陷现在通过审查的 FP TOI 中，有 4 个曾被旧奇偶检验拒绝（1 个现在不再通过），因此通过审查的 FP 凹陷占比从 31% 升至 34%。唯一一次检出丢失是 TOI 1905.01，其已发布星历已过时：其扇区包含两次完整凌星，深度约为 25 ppt、持续约 2.5 h，但星历预测的时间晚了 7.2 h（为传播误差的 7σ），因此即使完美检出也无法匹配。首次运行中的“检出”是在预测时间处、裁剪已删除凌星后残留的一个凹陷；重新运行后检出的凹陷是真实凌星，其测量窗口仅覆盖 Probes 标记的凌星始入阶段（0.79 h，2.9 ppt；考虑临边昏暗效应的拟合结果为 25.3 ppt、2.75 h），且周期为混叠周期（3P/2）。审计发现，这是留出集 CP/KP 漏检中唯一符合此类情况的案例（已发布星历预测时间处没有凹陷，但在预测历元 12 h 范围内存在深度相近的通过审查的凹陷，且与预测时间的偏差至少为传播星历误差的 3σ）；冻结的匹配规则未变，因此仍计为漏检（重新运行报告中的“已知限制”）。首次运行及其修复前说明仍保留在 docs/results/benchmark_real_tois.md 中。

src/setuhq/
  lightcurve.py   container with provenance      loaders.py   TESS (MAST), CHEOPS FITS, CSV
  preprocess.py   clean, detrend, bin            subjects.py  blind-coded 13-day segments
  search.py       BLS and single-event search    vet.py       automatic vetting
  dvtests.py      DV-style light-curve tests      pixel.py     TPF difference images, centroids, neighbours
  validate.py     reduced FPP, TRICERATOPS adapter, validation labels
  ephemeris.py    propagation, uncertainty cone   exofop.py    CTOI-style export, predicted windows
  batch.py        resumable multi-target runs     leaderboard.py the real-TOI leaderboard
  injection.py    synthetic transits              calibrate.py skill-based reviewer weights
  aggregate.py    clustering and consensus       pipeline.py  end-to-end run
  benchmark.py    injection recovery             report.py    static HTML site
  store.py        SQLite and CSV export          config.py    TOML configs
  variables.py    everything-that-dims rules     starsearch.py one star-sector of the sweep
  sweep.py        resumable sector sweep         contrib.py   contribution bundles and ingest
  everything.py   #/variables, counter, Sky layer
  tools.py        the MCP tools' functions       mcp_server.py setuhq-mcp
  agreement.py    Sentinel agreement, effective number of voters
  reviewers/      simulated; Sentinels: sentinel.py (shared), claude (API), claude_code (CLI),
                  openai_compat (OpenAI and compatible endpoints), gemini
configs/          run configs                    scripts/     known-planet validation
docs/             research notes and results     site/        generated report
tests/            offline tests, plus network- and slow-marked tests
tools/            README figures (gen_readme_assets.py) and app screenshots (capture_site_shots.mjs)
skills/, commands/, .claude-plugin/   the Claude Code plugin    examples/  mixed-provider panel, example agent