摘要

一次 AI 训练（带合法动作掩码的 PPO 强化学习，第 25 轮）的开发评测第 5 场，在第 38 步中断：基线 AI 读取合法菜单的规则说明时，Simulator（本项目的战斗规则引擎）的公开恢复类法术查询抛出“施法开始加成必须是 0 或 1”。原因是查询把“最终咒力差值”误当成“原始成长次数”。修复只放宽这一处数值校验，公式、目标、数据格式和保存字段都不变。原故障 38 步重放、340 个菜单和 7 个 +2 恢复查询核对一致。

要回答的问题

这是新规则需求，还是既有合同里的局部缺陷？修好后会不会改变其他已保存的对局？

方法与分析

  • 公开施法成长查询已经计算出最终咒力（SP，法术强度）差值。原始成长 +1 经过英雄百分比加成和取整后，最终差值可以是 +2；攻击和持续时间查询早已支持这一点，唯独恢复容量分支错用了“只能 0 或 1”的检查。
  • 修复把这个二值检查换成已有的整数校验：仍然拒绝负数、布尔值、浮点数、NaN、无穷大和不可表示的大整数；未知仍返回未知。这是恢复既有合同，不是新增规则版本。
  • 新增双侧“治疗之水”回归：明确熟练度 1，原始 SP 9 加 15% 显示为 10，施法成长后最终 SP 12，公开容量 = 50 + 5×12 = 110，与手动解析后查询和执行预览一致。

结果

  • 6 类错误差值检查和 2 个 +2 回归，连同相关套件共 327 项通过。
  • 独立的原故障验证重放 38 步，核对 340 个菜单和 7 个 +2 恢复查询，基线 AI 的选择和单步重复转移都相同。
  • 规定的训练 6 局（662 次转移、333 次公开编码、12 个概率回执）以及已经开始的开发 5 局（416 次转移），修复前后都通过核对；修复后的报告另存，原失败记录未被覆盖。

失败与负结果

初版测试把期望容量误填为 150，按已有法术定义纠正为 110；公式本身没有改动。

局限

  • 引用的原生施法顺序研究来自旧版本 0.80.48，不是本轮对当前安装游戏的新审计。
  • 没有回放全部 600 局训练，也不声称商业正确性全覆盖。
  • 修复后没有重新开始开发评测、也没有生成保留评测；原来的 4 局终局、1 局故障、75 局未开始的状态保持原样，训练后续决定见对应 AI 训练报告。

结论与下一步

这是一个局部校验缺陷，已按最小范围修复并有回归；它解释了那一场开发评测的中断，但不改变那次训练的任何结论。