摘要

在训练任何神经网络之前，先要确认三件事都可信：规则模拟器（Simulator）算得对，状态推断（SE，根据公开观察推测敌方隐藏构筑）不偷看，AI 的每一步决策都能被复查。本文冻结一套“逐局监督”的验收协议，规定每一局要记录什么、怎样对账、哪些信息只能在事后审计里出现。随后完成的第一批审计和 20 局检查点见实验 0207、0208。这些都是调试与训练证据，不是留出验证，也不是商业游戏保真证明。

要回答的问题

一局对战要被记录和复核到什么程度，才能当作可信的监督材料？

方法

每一局必须满足：

  • 精确回放：初始化、每个动作/事件和终局状态都能完全重现。
  • 逐数值记录：保存双方观察者在每步前后的完整公开快照，以及每个数值叶子的新增、删除和变化，包括“0”与“缺失/未知”的区别；状态身份和行动队列顺序也保留。
  • 生命对账：把伤害包与每个单位的净生命变化对齐，剩余部分明确记为治疗、移除或容量变化，而不是笼统算作伤害；法力、集能、冷却、计数器和回合时钟都入账。
  • 决策留存：保存决策当时真实的公开菜单、所选动作、策略身份、可用评分诊断和 SE 估计；事后重建的菜单必须标明，不能冒充当时记录。
  • 人工复核说明：写明看了哪些操作和字段、依据哪些回执和规则、还有哪些未解决。机器回放通过或残差为空不等于人工复核。
  • 信息隔离：敌方真值、来源回执、随机状态和完整内部状态只出现在隔离的事后审计里；在线 SE/AI 只能看到当时的公开前缀、己方菜单和独立提出的来源候选。

设置

从已有的 12 局两回合受控对局（含额外行动失败案例）开始，再至少复核 4 局“自然终局”的来源网格对局和 4 局完整 Arena 选秀对局。回合上限平局不算自然终局；失败和不支持的情况保留在分母里。修复需要附带回归测试、信息泄漏检查和兼容检查；调试批通过后，才冻结候选生成、算法和比较协议，再跑独立的留出配对种子。

结果

协议已冻结并实现为默认关闭的审计记录器：开启记录与不开启时对局完全相同，伪造的公开证据、过期决策或回放分歧都会显式失败。随后用户要求的“至少 20 局监督”检查点达成：20 局自然终局（14 局完整选秀、4 局七兵组战术局、2 局受控来源网格 SE 局），103 处非伤害生命残差全部对账。

失败与负结果

两局早期战术对局的地形元数据与实际执行不符，被排除并用修正后的对局替换，原失败保留。大多数对局没有运行 SE；两局 SE 只是 4 个来源的条件测试，不是完整构筑恢复。

局限

这些对局都不是留出评测；同一策略双方自对战只能用于调试，不能得出对战胜率。支持的来源不等于识别出的装备，权重也不是校准概率。

结论与下一步

协议成为后续监督与训练准备的基础；神经网络训练放在既有准备门槛和独立冻结评测之后。下一个战术问题是移动估值漏算了可见的“奈拉之吻”动作伤害，见实验 0208。