摘要

实验 0003 的原型给所有根动作统一加视野，修好了一处循环，但也弄坏了两道题。本实验换一种更保守的做法：先让 quick（只展开己方当前一次行动的搜索档）正常算完；如果它已经选了攻击或技能，就不动；只有它选了移动、等待或跳过时，才检查有没有“协同攻击”候选——即这一击会耗掉目标最后一次反击，而下一位行动的友军能无反击地打同一目标。找到候选后，用相同设置（两次部队行动、每层 6 个候选、一个假想随机样本）比较它和 quick 的选择，完整比较赢了才改选。

要回答的问题

这样限定改选范围后，能否保留 0003 修好的局面，同时不产生新的退化？

方法与设置

在看结果前固定协议：全部 36 个开发初态（三堆普通兵、无英雄、固定最小伤害、零士气/幸运），每个初态跑三种配方：双方 quick；蓝方换成新控制器；红方换成新控制器。替换方从第一步起决定所有动作，不强制首步。每局最多 1,200 步/90 秒，每次选择 4 秒保护。主要比较是被替换方的终局胜/平/负；生命、动作数、回合数分开报告。68 道保留题不读取。分析单位是 36 个初态，108 局、72 组比较彼此相关，不是 108 个独立样本。

结果

108 局全部完成：106 局自然终局，2 局是同一已知循环的 100 回合平局。72 组单方比较：1 组改善、71 组相同、0 组变差。有变化的只有四组：

初态/替换方 胜负 该方剩余生命 动作数 终局回合
p0023/红 胜→胜 361→377 6→6 2→2
p0030/红 胜→胜 138→181 10→7 3→3
p0071/蓝 胜→胜 306→327 8→7 3→3
p0078/蓝 平→胜 324→254 400→11 100→4

p0078 中敌方生命从 202 变为 0，己方为结束战斗付出了生命，所以两种终局的血量不能单独当改进指标。0003 里被弄坏的 p0044 这次保住了原攻击，三种配方结果相同。

450 次新控制器决策中，219 次保留已选攻击/能力，212 次没有跟进机会，19 次完成比较，只有 5 次实际改选。全部 1,845 次转移从磁盘重读并独立回放一致。对照开局参考答案，命中从 quick 的 31/36 变为 32/36。

局限

都是用于开发的小型合成局面；p0030 整局结果更好不等于该动作全局最优。最大选择耗时 0.0660 秒是无英雄三堆数据，不是 14 堆或网页 5 秒验收。

结论与下一步

限定改选范围后没有观察到退化，但证据规模很小，没有上线。下一步在新的压力场景、不同对手和整军规模下检验，见实验 0009。