摘要

真实游戏里，AI 不能直接读取内部状态，只能看屏幕：英雄的数值和魔法值、当前能做的动作、把鼠标悬停在目标上时的法术预览。本实验验收一个可选开启的施法模式（adaptive observed spell episode）：AI 只用这些可见信息，并按需决定要不要多看（多悬停）几次，再决定施法还是跳过。第一版只支持“雷击”一种法术。

结果：开发 48 局、保留 24 局全部正常终局并严格回放一致；串行与多进程语义完全相同；按需检查相比固定检查少读了 2116 次界面。这证明的是确定性的语义组合，不是真实游戏一致性、识别准确率或 AI 棋力。

要回答的问题

  1. 这个只看可见信息的施法流程，能否在完整对局中稳定运行、可严格回放？
  2. 按需检查能否在不出错的情况下比固定检查少看界面？

方法

  • 信息来源：已接受的英雄 / 魔法读数样本、当前公开动作菜单、付费法术预览、独立声明的候选世界（对隐藏信息的几种假设）。隐藏构筑、权威私有状态、未来事件和回放结局都不能用。
  • 非法术动作沿用原有的观察式基线；效果未知或关联不完整时不当成“零收益”。
  • 观察后端是本地 Web 的完美语义模拟器，不是真实截图识别。

设置

  • 开发与保留按机制 / 配置身份以及不相交的种子划分。
  • 被拒绝、失败、挂起或中断的注入保留为负面测试，不算成功对局。

结果

检查 结果
开发对局 48 / 48 终局且严格回放
保留对局 24 / 24 终局且严格回放
未终局 0
回放不一致 0
串行 / 多进程语义不一致 0
胜方 蓝 36、红 36
串行墙钟 33,281.77 毫秒
4 进程墙钟 11,014.50 毫秒
  • 144 个参战方、1434 次单位行动中，按需控制器做了 3313 次法术界面读取，其中 853 次是目标悬停；每方读取中位数 24、p95 为 38。
  • 共 333 次施法、1005 次安全跳过、96 次走基线分支。保守回退率 1101 / 1434（76.78%），包含有意的歧义处理和预算耗尽，不是错误率或棋力指标。
  • 固定检查与按需检查成对比较 64 局：固定 5161 次读取，按需 3045 次，少 2116 次，每局都终局；24 条动作轨迹不同。在 128 个可以精确打分的小夹具决策上，最大条件遗憾为 0.0。

失败与负结果

浏览器验收中，一次真实的定向攻击暴露了轨迹导出缺口：导出器无法还原准确的攻击方向面。已修复并加了回归测试。

局限

  • 只支持雷击一种法术；只在本地完美语义模拟器上运行。
  • 不对真实游戏中的效用或全局最优下棋做任何声明。

结论

该模式作为可选功能交付，关闭开关即与原默认行为逐字节相同。不改动 Perception、领域格式、Simulator 执行版本、默认战斗策略或训练数据。