摘要

对战 AI 看不到对手的技能、宝物和法术书。状态推断（SE，State Estimation）模块的任务是根据公开观察，保留与之相容的敌方构筑候选，再交给 AI 决策。本实验第一次用完整构筑（9 次技能、9 件宝物、10 次法术、7 个兵种，全部经真实选秀规则回放）打 8 局换边对战，检查三件事：完整来源能否构造、每次决策的真实菜单能否留存、推断能否在整局中连续成立。8 局全部自然终局、回放通过；24 处“非伤害导致的生命变化”解释了 23 处，剩下一处是复现出来的 Simulator 错误。推断仍会在中途失去支持。结论只是开发诊断，不是新基线，也不说明 AI 变强。

要回答的问题

完整构筑 + 真实菜单 + 逐事件公开观察这条链路，是否已经能端到端跑通并被审计？推断会在哪里断？

方法与设置

  • 开跑前保存协议：4 份候选来源和 2 份“池外来源”（不在推断候选里），都由启发式选秀生成并逐份回放验证。8 局预先排好，每对同一执行种子、交换蓝红；最多 60 回合；双方都用旧版推断策略（belief v1），规则版本 Core382。
  • 信息隔离：候选在选定隐藏真值前固定；SE 只收到己方原始构筑、独立候选和逐事件公开观察；真实敌方来源、种子和随机状态只留在评测端。
  • 每局结束后重放并逐数值审计，记录当时真实的决策菜单，不事后补造。

结果

局 操作数 胜方 双方数值变化
1 34 红 983
2 29 蓝 761
3 76 红 3045
4 83 蓝 3234
5 31 红 834
6 38 蓝 1188
7 38 蓝 1568
8 28 红 876
合计 357 12489

24 处非伤害生命残差中，23 处可由吸血、临时生命、吞尸、初始行动治疗、暗影军队和处决等机制逐条算清。

失败与负结果

  • Simulator 错误：第 3 局某次“奈拉之吻”扣 605 生命后，第二击读取了旧的目标状态，凭空恢复 605 生命。九组隔离对照证明刷新目标引用能修复；生产规则在本实验时尚未修改，该局胜负不能用来评价 AI。
  • 推断断点：首对两局中，旧推断策略只有 10 次条件世界投票，53 次没有支持而退回基础策略；双方都在第 5 个版本丢失支持，原因是上一步是“士气额外行动”、下一步已是普通行动，原恢复逻辑只看当前行动。修复后私有 SE-v2 的支持数从 20 增至 76，但四条序列仍在第 19 个版本失去支持。
  • 新增的“确定失败缓存”让追加搜索从 14448 次降到 1648 次，耗时 1629.232 → 189.025 秒，语义字段逐项不变；这是性能优化，不是覆盖收益。

局限

四份来源的英雄和军队差异很大，开场已各只剩一个候选，所以本实验不能说明隐藏装备的识别难度或准确率。所有对局都是开发集；相同策略自对战不证明胜率。其余数值未逐公式人工核对。

结论与下一步

完整构筑链路可以端到端运行和审计，并暴露出一个规则错误和一个推断触发边界。下一步需要在同英雄、同可见军队下独立生成多种合法来源，才能真正测试推断难度。