摘要

如果要用录下来的游戏会话测试“实时”识别和状态推断，必须保证程序在处理第 t 秒时只能看到第 t 秒以前的画面，不能偷看未来，也不能看到人写的“这一步打算干什么”“结果应该是什么”之类的答案。这种回放方式叫因果回放（causal replay）。

本实验是一个内部集成冒烟测试（smoke test，指只检查管道能不能通、不检查结果好不好的最小测试）：从两个已有的开发会话里准备 18 个回放窗口，验证截图的传输和数据边界。结果：37 张截图、37 个时间前缀全部通过，0 违规。但本实验没有接入任何读取内容的模块，语义冒烟测试未运行。

要回答的问题

能否把已有的会话记录改造成严格的因果回放输入：读取器只拿到像素和时间，按记录的“可用时间”逐帧送达，且截到任意时刻时的输出与完整回放的同一前缀完全一致？

数据与来源

  • 两个此前用于开发的界面研究会话（9 月 3 日）：会话 1 有 101 个动作、202 张图；会话 2 有 171 个动作、216 张图。只能用作开发/回归，不是盲测。
  • 一个仅供评估者使用的选择文件：每个会话选 9 个动作，共 12 个常规窗口 + 6 个边界窗口，37 张不重复截图（18 + 19）。会话 2 的一个动作同时保留了即时和延迟的法力变化证据。
  • 会话 1 另有 12 张“动作后”的补充截图不知道何时可用，保留在来源清单里但不选用。

方法

把每个窗口导出到三个分开的文件夹，对应三类使用者：

输入面 允许看到 不允许看到
像素观察（读取器） 像素、因果时间、尺寸 意图、预期结果、操作者说明、有含义的文件名、参考答案、未来图像
时序状态估计 读取器的观察和过去的推断 意图、语义目标、预期转移、事后标签
结果核验 之前的观察、实际回执、意图和截止时刻之后的新观察 截止时刻之后的观察以外的未来信息；参考结论

回放函数只读读取器那一份文件夹，到时间才把一个不可修改的“像素包”（中性 ID、时钟、可用时间、尺寸、编码后的像素字节）交给回调，不给文件路径。每次回放后把输出存成快照，防止回调事后修改之前的输出。

传输探针是一个什么都不解读的回调：它对每帧只返回“未解读”。检查方法：先完整回放一次，再对每个出现过的输出时刻 t 截断回放一次，要求截断结果与完整结果中 ≤ t 的部分完全相同（前缀不变性）。

设置

不做模型推理、训练、视频解码或标签升级。参考答案的权威等级是“助手审核”，正式结论尚未裁定；视频对齐未知。

结果

检查 结果
两个会话的格式加载 通过（101 动作 / 202 图；171 动作 / 216 图）
运行时元数据与路径审计 PASS
送达的帧 37
检查的时间前缀 37
前缀违规 0
对游戏数值的正面断言 0（探针不读任何值）
语义冒烟门槛 未运行

相关测试：聚焦验证 30 项通过，Perception 核心测试 261 项通过，打包测试 4 项通过。

失败与负结果

没有失败记录。第一版导出保留；第二版改为保留原始的 api_returned 时间，取代第一版，但两者都不是独立来源。

局限

  • 前缀检查通过、探针全部“不解读”，不能说明语义准确率或有用的覆盖。
  • 6 个边界窗口不是 6 类独立完成的哨兵测试。
  • 输入白名单是合作式的 API 边界，不是文件系统或进程隔离。
  • 两个会话都已检查过，只能做开发/回归。
  • 真实检测器推理没有测试。

结论与下一步

因果回放的数据边界和传输已经打通，可以在此基础上接入真正的读取器。下一步：裁定可见字段的参考答案，通过回放函数接一个有限的观察器，再按各自声明的输入面测试状态估计和结果核验。