最大因子聚簇规模：阈值化相关性图的最大连通分量大小

实现 solution(corr: list[list[float]], tau: float) -> int。在下标 0..N-1 上构建无向图，(i, j) 在 i != j 且 abs(corr[i][j]) >= tau 时连边。返回最大块（连通分量）的节点数。若 N == 0 返回 0；若 N == 1 返回 1。

例

solution([[1.0, 0.9, 0.1], [0.9, 1.0, 0.2], [0.1, 0.2, 1.0]], 0.5) 返回 2。顶点 0 与 1 因 |0.9| >= 0.5 形成大小 2 的块；顶点 2 是孤立的（大小 1）；最大值为 2。负幅度检查：solution([[1.0, -0.6], [-0.6, 1.0]], 0.5) 返回 2，因为 |-0.6| = 0.6 >= 0.5。空情形 solution([], 0.3) 返回 0；单元素情形 solution([[1.0]], 0.3) 返回 1。

参考解一遍走严格上三角，把耦合送进带路径压缩和按秩合并的并查集，挂一个按根索引的 size[]，并在每次合并后用 largest = max(largest, size[new_root]) 更新答案。从每个未访问顶点起跑 BFS / DFS、对访问数取最大值，是等价的另一种走法。Floyd–Warshall 式的闭包扫描是 O(N^3)，会超时——只要"分量划分加各分量基数"就够，闭包矩阵是多余工作量。

契约细节：阈值采用闭包含 (>=)；负幅度走 abs()（tau = 0.5 下 -0.5 与 +0.5 等价耦合）；对角线排除。空 (N == 0) 与单元素 (N == 1) 在 tau 边界检查之前短路（无论 tau 取值，答案都良定）；当 N >= 2 时先校验 tau。校验行为：tau 落在 (0, 1) 之外（包括端点）抛 ValueError；矩阵在 1e-9 容差之外不对称抛 ValueError；非方阵形状（某行长度不等于 N）抛 ValueError。对角线条目 corr[i][i] = 1.0 属于输入域约定——由调用方保证，函数不再回头校验对角线（其取值会被直接忽略，因为 i == j 被排除在边扫描之外）。请读清楚：答案是最大块的大小，不是块的数量。全连通图返回 N；全不连通图返回 1；仅一条 2 顶点边加 N - 2 个孤立顶点的图返回 2。

实现细节由 stubs/stub.py 提供。

实践背景

最大块大小是阈值化共动图上风险集中度的单数标量表盘。当一个块吞下相当一部分 universe，分散化叙事就坍缩到一根主导轴上，集中度上限——通常直接写成这个数（"任一连通风险块占用资本不得超过 30%"）——开始约束。运营上风险线每晚把这条流水线在几个候选阈值上跑一遍，盯住最大块是否跳起来。abs() 规则反映对冲对称性：-0.8 一对与 +0.8 一对一样把两个名字钉在同一根风险轴上。闭区间 >= 与策略文档对截止值的写法一致。