摘要

在 36 道可精确求解的小战术题（题库见实验 0044）上，搜索 AI 的 quick 档与一个改进版（quick-round-no-engagement）有 7 处给出不同的第一步：按本回合参考答案，4 处改善、3 处退化。但“本回合答对”不等于“整局更好”。这次从完全相同的状态和随机流出发，分别强制旧首步和新首步，再让双方用同一种固定策略打到底，比较整局胜负。42 条分支中 41 条自然终局、1 条到 100 回合上限。三种续玩策略各有 1 对胜负改善、6 对不变，没有退化；改善来自两个初始局面。另外发现一个明确的追逐循环：某局旧首步之后 399 步双方生命都没变。

要回答的问题

本回合参考答案上的改善与退化，在完整对局中会不会变成胜负差别？

方法与设置

  • 在续玩之前保存协议：取全部 7 处不同首步（p0036 首步相同，不纳入），不使用 68 道保留题。
  • 每处从相同状态和随机数出发，分别强制旧 / 新首步。之后双方都用同一种续玩策略：公平 AI（fair）、quick，或多看一次行动的 quick-depth2；三种分别比较。每侧每分支用独立的策略实例和引擎。
  • 100 回合上限；每分支最多 1200 步 / 60 秒，超出只记未完成，不制造平局。不重抽种子。
  • 首要指标是初始行动方的终局胜 / 平 / 负；回合数、行动数和剩余生命分别报告，不临时合成新分数。
  • 7 个合成初态是分析单位；21 对 / 42 条分支不是独立实战样本。

结果

规则 battle-core v448、状态 v24。42 条分支全部完成，802 次保存转移独立回放一致。

题目 本回合参考变化 fair 续玩 quick 续玩 quick-depth2 续玩
p0009 退化 胜→胜 胜→胜 胜→胜
p0019 改善 负→胜 负→负 负→胜
p0022 退化 胜→胜 胜→胜 胜→胜
p0046 改善 胜→胜 胜→胜 胜→胜
p0050 退化 负→负 负→负 负→负
p0071 改善 胜→胜 胜→胜 胜→胜
p0078 改善 胜→胜 上限平局→胜 胜→胜

表中是“旧首步→新首步”下初始行动方的结果，不是两个版本互相对战的比分。

  • 三处“退化”并没有变成输局，但有代价：p0009 新首步下己方终局生命少 31 / 13 / 55，p0022 少 16 / 7 / 7；p0050 两种首步都输，新首步下敌方多剩 11 生命。
  • p0019 新的等待首步在 fair / depth2 续玩下由败转胜（己方剩 28 / 18），quick 续玩仍输：正确首步需要后续决策兑现。
  • 追逐循环 p0078：旧首步“移动到 8,6”接 quick 共 400 步——299 次移动、100 次等待、最后才攻击一次，前 399 步双方生命完全没变，第 100 回合末触发回合上限，蓝 324 / 红 202 生命。新首步“攻击水泽精灵”接同一 quick，13 步、第 5 回合蓝胜，剩 249 生命。

失败与负结果

  • 初批测试暴露了 JSON 数组与元组比较的误差、以及终局夹具兵量不足；修正工具比较与夹具，没有改规则或放松回放断言。最终相关测试 104 通过（7.00 秒）。
  • 本回合参考的三处退化不能因“整局仍赢”就改标为正确。

局限

改善只来自两个合成局面，不能算三场独立胜利；续玩是固定策略，不是整局最优对弈。没有区分 p0078 的循环来自叶子贴身价值、短视野还是续行候选，也没有新增强制攻击或禁止等待规则。计时只是诊断预算。

结论与下一步

本回合参考上的局部改善不能直接当作策略强度。下一步在 p0078 冻结的循环前缀里比较有界续行与可兑现的贴身收益，再用已有等待获胜例和三处退化例检查副作用（截断路径诊断见实验 0036）。默认 AI 不变。