摘要

用户要求至少 20 局受监督的对局。本实验正式接纳 20 局自然终局、1310 个操作、39891 项双方公开数值变化，全部精确回放，每步公开菜单与观察一致。结算层面可以对账：103 处“不是伤害造成的生命变化”全部找到来源，205 次施法的扣蓝与实际支付逐次相符。AI 层面则找到几个明确缺口，最重要的是：单位身上可见的“奈拉之吻”状态（行动就会受伤）没有进入决策评分。这不是新旧 AI 的胜率验收，也不是商业客户端规则的完整认证。

要回答的问题

在更大、更多样的对局上，Simulator 的结算能否逐项对账？AI 和状态推断（SE）的主要缺陷是什么？

方法与设置

  • 七组完整 Arena 选秀（覆盖战士对战士、法师对法师、战士对法师，七种地形），每组换边两局，双方都用公开战术策略 v57 和角色布阵；另有四局七兵组受控场景和两局一兵组 SE 条件试验。共 71 种兵种变体、12 名英雄、实际用到 33 种法术。规则版本 Core382。
  • 自动检查非有限值、负生命/魔法、数量与总生命关系、专注上下界、伤害包前后生命差等；人工读完全部 1310 步的动作、各队生命前后值和魔法账。
  • 用新的“分支审阅”工具，在奈拉之吻触发的决策点上逐一执行完整菜单，再选部分分支续打到结束（事后诊断，不作在线输入或正确标签）。

结果

  • 自动检查零报警。103 处非伤害生命残差：52 处吸血、19 处攻击触发治疗、11 处主动治疗/复活、8 处开场再生、12 处容量变化、1 处食尸。
  • 205 次施法的扣蓝与实际支付全部相符；45 次公开条件估价低于实际支付，都来自事后查到的反法师学派加价（公开估价本就标为“部分”）。
  • 专注（集能）对全部 2620 个前后状态逐次对账，2492 个消费/获得项与公开净差相符。
  • 两局 SE 试验中 4 个观察者的 64 个前缀都保留了真实来源；终局各 1 个支持、3 个未定，没有声称识别出装备。
  • 奈拉之吻分支：3 局 4 个决策点共执行 232 个即时分支，10 条续打的 132 次后续操作全部自然结束。

失败与负结果

  • AI P0：Autumn 局第 23 个事件，单位在公开状态伤害 780 的情况下选择移动（评分 147），生命 1025 → 245；同局第 36 个事件只剩 23 生命，四个“接近后攻击”都会在移动时先死，所选攻击却得 4.529524 分。修复必须同时考虑移动、攻击、等待、跳过和两次触发，不能只把移动罚低。
  • AI P1：Deathland 局开场一个黑洞同时打中七队，每队 735；旧角色布阵过于集中（防范围法术布阵见实验 0103）。
  • 评测工具自身的问题：地形枚举写错、受控火蠕组漏传地形参数（重跑两局替换，实际跑了 22 局，不重复计样本）、残差整理漏读吸血对象字段——均修正并保留原稿。
  • 31 次跳过中 25 次是菜单只有这一项，不能一律当“胆小”。

局限

自动对账与人工复盘范围分别记录，不是每个语义字段都经人工独立验证；精确回放只证明软件可重复，不证明商业客户端的所有回调与随机顺序正确；同局分支共用随机起点，不提供概率。

结论与下一步

结算可信，AI 缺口具体可查。下一步：先经接口评审给出“行动触发伤害”的公开有序结算查询，再接入候选策略；SE 从四来源条件试验走向独立完整构筑候选。