摘要

定向场景（实验 0025）发现，当前公开战术 AI v54 完全不给“复活尸体”“清除召唤物”这类效果估值。这里做了一个只在显式选择时启用的候选（lifecycle-range-candidate v1）：它读取 Simulator 公开的“结果区间”，例如“复活可能恢复 0 到 50 点生命”，再据此打分。14 个定向场景和 24 局自然对战全部精确回放；整局候选 12 胜、基线 12 胜，没有显示胜率提升。行为确实变了：候选在自然对局里选了 5 次复活，每次都恢复了正数生命；基线一次没选。

要回答的问题

给 AI 一个只基于公开信息的效果区间，它会不会在合适时机使用复活与清除，而又不偷看隐藏信息？这会不会改变整局胜负？

方法

  • 基线：不改动的公开战术 AI v54。候选：同样只收公开数据，额外按区间给效果定价。
  • 确定为 0 的效果（例如尸体仍处禁疗时的复活）保持 0 分；已过禁疗期的尸体复活按区间单独定价，不编造精确值。
  • 两个世界如果公开信息完全相同、只差一个隐藏保护（“稳定”技能），候选必须给出相同决策。

设置

  • 复用 0025 的 14 个定向场景，不改开局与历史。
  • 12 对换边整局（共 24 局）：种子 365101–365112，依次轮换草地、死地、秋林、雪地、熔岩、泥地、沙地。每对内部选秀、英雄构筑、布阵相同，只互换策略。
  • 100 回合上限，规则 battle-core v365、状态 v23，3 个进程。不调参，不丢弃或替换种子。小样本只作回归比较，不足以支持默认替换。

结果

整局：24 局全部精确回放，无失败、无平局、无回合上限。候选 12 胜，基线 12 胜。总耗时 67.667 秒（并发）。

定向场景中被测动作的得分（不一定是最终选择）：

  • 尸体仍处禁疗（致命衰败 1–4 级）：两者都是 −17，都没有选这个必然为 0 的复活。
  • 禁疗过期后才被杀的尸体：候选 −10.645833，基线 −17；结果仍报告为 0–50 的区间。
  • 仪式召唤物（有/无保护）：候选三族分别 75.55 / 96.30 / 54.8，基线 −25.7；两者最终仍选更强的普通攻击。有无保护的成对世界，公开报告和决策完全相同。

自然对局中候选实际选择的复活：

种子 / 候选方 恢复生命 复活数量 法力
365101 / 蓝 1125 25 20
365103 / 红 1018 101 17
365106 / 红，第一次 1092 25 30
365106 / 红，第二次 1092 25 17
365106 / 红，第三次 1092 25 17

这些是决策之后的审计数据，不是模型输入。决策数：候选 796、基线 803；每局 p95 范围候选 48.819–194.196 毫秒，基线 48.917–187.688 毫秒。

失败与负结果

  • 没有胜率提升；行为变化不等于胜负收益。
  • 24 局中致命衰败、仪式、放逐都是 0 次，清除估值没有在自然对局中得到检验。
  • 测试初期夹具遗漏了 v23 要求的字段，修夹具而没有放宽生产校验。

局限

12 对样本小；没有设绝对延迟上限，所以“没超时”不证明满足期限。商业客户端的相关规则（Murmurs 生命周期）仍未取证。

结论与下一步

候选保持“仅显式启用”，不替换默认。后续用受控整局补上放逐的实际决策覆盖（见实验 0034），并在新规则版本上重跑（见实验 0026）。