摘要

AI 搜索会抽几个“假想随机世界”分别往下算，再取平均。如果在某个时点，几个世界对玩家来说看起来完全一样（同样的已发生历史），AI 在现实中只能对它们采取同一个动作；但搜索若在每个世界里各挑最好的后续动作，就会因“事后诸葛”而高估。我们在种子 820001 的一个局面上做了有界检验：两个根动作（刀锋舞者攻骑兵或攻蜂后），在三个同历史世界里强制凤凰采取同一个后续动作。两根的分差从 115.921208 降到 77.841208，减少 32.8499%，没有达到事先冻结的门槛（必须低于 57.960604，即减半），因此结束这条定向研究。

要回答的问题

在种子 820001 这个此前诊断出的局面里，“不同世界各取最好后续”的偏差有多大？大到足以单独解释根动作选择，值得投入独立来源验证吗？

方法与设置

  • 事先冻结两个根、三个同历史世界（0、1、3）和两个凤凰普通攻击候选，共 12 次状态转移。world 2 两根有已揭示的不同历史，保留原值，不强行并组。
  • 权重沿用旧样本：四世界均值中每个世界占 1/4。这些相关世界不是独立的新对局。
  • 原搜索设置不变（两次行动、beam 6 等，研究模式可见敌方构筑）。每个状态从自己的合法菜单取动作，不跨世界复用对象。
  • 门槛：共享后根差严格低于 57.960604 才值得做独立来源验证。

结果

刀锋舞者的强制根 原四世界均值 逐世界各取最大 三个同历史世界共享动作
攻骑兵 1265.717376 1265.717376 1199.307119
攻蜂后 1149.796168 1149.796168 1121.465911
根差 115.921208 115.921208 77.841208

两根内部共享动作都选凤凰攻蜂后。逐世界的差值（蜂后 − 骑兵）：攻骑兵根 351.109904 / −265.641027 / 351.109904，攻蜂后根 465.159904 / −113.321027 / 465.159904（世界 0 / 1 / 3）。原最佳路径恰好等于固定两候选的逐世界最大值。

主实验一次完成，引擎恰好执行 12 次转移，计算 0.480529 秒（上限 20 秒）。6 条原最佳路径的完整子状态、事件、叶子值和路径总值全部重现（容差 1e-7）；12 个结果全部非终局，没有 1e9 终局分混入。

失败与负结果

  • 未达门槛：根差只减少 32.85%，停止围绕 820001 追加动作、节点、世界、深度，不重设门槛。
  • 第一次校验摘要用了不存在的标签，把 12 条都计为“额外行动”；实际是 10 条普通回合、2 条士气额外行动。只从保存数据重算摘要，没有追加转移，原错误摘要保留。

局限

只检查了固定两候选的数值，原始完整候选排序与缓存历史没有保存，因此不能证明原 beam、缓存或所有信息集合都没有问题。分数是局部估值，不是胜率。这只否定本例的投入优先级，不否定“信息集合约束”这一类方法。

结论与下一步

结束 820001 定向研究。下一个方向转向“召唤物首次有效行动机会”（见实验 0041）。