摘要

这不是单次实验，而是一份“方向讨论日志”。从 2026-10-12 开始，每完成一批战斗 AI 实验，就把结果摘要发给同一个外部 GPT 会话审阅（共 66 轮左右，编号 r1–r66），取回完整答复后，由本地逐条核对、决定采纳什么、拒绝什么。日志的价值在于把“为什么下一步做这个”写清楚。它记录的多数路线最后都按事先冻结的门槛关闭了，这些负结果在日志里原样保留。

要回答的问题

起点问题是：网页 AI 的“完整深度搜索”（deep 档）一步要约 60 秒，而产品目标是每个 AI 动作 5 秒内完成。应该继续加深搜索，还是换算法？后来用户把问题改成：AI 怎样从整场战斗的角度判断主要获胜方式，而不只是单步战术。

方法

每轮的固定做法：

  1. 本地先完成实验，并保存协议、原始结果和失败记录。
  2. 把摘要单次发给外部会话，完整取回答复并核对版本，不重复发送。
  3. 本地逐条判断：哪些建议有证据支持就采纳，哪些与仓库实测不符就拒绝，并写明理由。
  4. 外部审阅者看不到仓库，所以它的意见只算“待验证的建议”，不算独立复测。

设置与讨论脉络

阶段 讨论结论 后续实验（结果）
r1–r2 不继续加大 deep；先检查候选是否漏掉好动作、叶子估值是否算错，再做“先完成一个基线、再逐对比较挑战动作”的增量搜索 增量比较原型、战术诊断（见实验 0020、0007、0021）
r3–r15 一系列局部诊断：协同攻击、随机世界覆盖、评分可比性、共享动作对照 见实验 0003、0006、0008–0011、0019；多数没有带来可靠的默认棋力提升
r16–r19 用户要求转向整局战略；先只试“每回合固定法术伤害偏好” 144 局确认：公平 AI 25 胜 23 负，法术偏好策略 24 胜 24 负，平均差 −0.020833，关闭
r20–r22 改为用整局胜负直接优化少量参数（CEM，交叉熵方法：反复抽一批参数、保留表现好的、重新拟合分布） 首批被引擎数值异常中断，零代更新
r23–r30 改为小型神经网络策略 + PPO（一种常用的策略梯度强化学习） 两版冻结评测都低于公平 AI 基线，关闭
r31–r42 转向小课程：2v2 模仿学习、有限 DAgger、反事实终局标签等 开发集门槛均未通过
r43 一个持续战术目标的离散选项策略首次在 2v2 小课程通过保留集门槛 推广到 3v3 后失败
r44–r66 完整竞技场选项、公开预览、两步规划等 均因准入或开发门槛关闭；最后登记“公开残差自对战”提案，尚未开始

结果

讨论本身产出了一套稳定的规则：比较必须事先冻结来源和门槛；“分数更高、比较更多、动作改变”都不能替代整局胜负证据；同一局的多个检查点、换边和重复种子不能算作独立样本；研究用的 quick/strong/deep 搜索档会读取对手隐藏构筑，只能作参照，不能叫公平 AI。

失败与负结果

日志记录了大量关闭的路线（整局 CEM、两版 PPO、多轮模仿学习、多个准入失败的课程）。每次关闭都写明是工程故障、准入信号不足，还是有效运行后开发收益不足，不把三者混为“算法被证伪”。

局限

外部审阅只看摘要，没有访问代码或复测；有几轮 GPT 无法确认用户最新原话，本地因此明确区分“用户要求”和“技术建议”。各轮实验的来源、规则版本和对手不同，不能把胜率横向排成算法排行榜。

结论与下一步

到 2026-10-14，在线“公开历史重建 + 搜索”路线已关闭，下一步只登记了公开残差自对战提案，精确协议、实现和训练都未开始。本日志会继续按原编号追加。