摘要

2026-10-09，用户转来一份外部 GPT 对《竞技场战斗 AI 算法调研》（第一版，16 页）的两轮审阅。审阅者看不到仓库，所以它指出的随机数泄漏、候选遗漏、搜索预算等问题都只是“待验证风险”。本文记录当天在仓库里实际核对了哪些、结果如何，以及修订版要改什么。主要结论：公平 AI 在两项实测中都没有看到隐藏信息；路线从“启发式 → 完整搜索 → 蒸馏”改为两条短循环；接下来先做五个不需要训练网络的实验。

要回答的问题

在决定加哪种搜索或学习之前，先测清楚决策损失来自哪里：候选遗漏、隐藏信息、规则误差、搜索视野，还是估值。

方法与结果

当天核对的几项：

审阅点 做法 结果
公平 AI 能否通过模拟器随机数“看到未来” 3 局双方同军队的公平 AI 对贪心 AI（种子 33000–33002），每次决策只把局面的随机数状态换成 3 个别的值，比较公平 AI 收到的公开观察、菜单和选出的动作 228 组对照，输入 0 处不同、选择 0 处不同。阳性对照：同样只换随机数，执行结果在 173 步里有 42 步部队数量不同，说明检验有效
对方未公开的法术书 一局中把对方英雄还没施放过的法术和冷却全部拿掉 观察、菜单、选择全部不变；故意让观察层泄漏法术书时测试失败
研究搜索档 quick/strong/deep 查代码与元数据 它们本来就读取对手隐藏构筑，只作参照，不是公平对手
攻防倍率 查伤害公式 模拟器用 (A+20)/(D+20)，与官方手册一致；调研报告里的文字描述不准，需改写
镜像军队排位 80 局公平 AI 对一步贪心 公平 AI 得分 51%（41%–62%），分不出高下；同一军队红方赢 59%（48%–69%），边的不对称待查

这里的区间是 Wilson 95% 区间，表示样本量下胜率的合理范围。

修订要点

修订版需要改正单位错误（8 核 × 35 步/秒 × 86,400 秒约 2,419 万步/天，原文“242 万 CPU 核秒”单位错，且只是理想上限）、一处动作数相加不自洽、几处过强的表述（例如行为克隆“不超过老师”改为“以逼近老师为目标，实际强度须独立测”），并把问题正式写成“部分可观测、带随机的双人零和博弈”，区分随机性、对手隐藏信息、规则不确定性和感知不确定性四类。

下一步实验（都不训练网络）

  1. 扩展公平性审计：对方隐藏技能和宝物、模拟中的对手也只用自己的观察。
  2. 约 24 题的小型精确战术题库，参考答案来自事先定义的穷举。
  3. 候选召回：漏掉的高分动作属于哪类战术。
  4. 固定预算消融：只换搜索方式，比较同一时限下的效果（见实验 0016）。
  5. 搜索稳定有益后，再训练小型排序与价值模型。

局限与结论

审阅者没有复测，核对只覆盖上表几项；quick 等研究档是否间接利用未来随机结果未单独测。不采纳“先修完所有规则再做 AI”和“无条件最坏情形优化”两条建议，暂缓复制大型图神经网络。后续方向讨论见实验 0001。