摘要
这是“每回合法术输出偏好”候选（来自实验 0035）的最后一次同设计确认。上一批（实验 0039）因 Simulator 故障中途停止，修复后在全新来源上重来。144 局全部自然终局，没有未知局。原公平 AI（F）25 胜 23 负，固定模式候选（S）与逐步判断候选（D）都是 24 胜 24 负。来源级 S−F 均值为 −1/48（−0.020833），没有达到 +0.10 的推进门槛。S 和 D 在全部 48 个方向的动作完全相同。结论：关闭当前候选和模式消融，不再调参或换种子救例。
要回答的问题
在修复后的软件上，候选相对公平 AI 是否有可重复的整局收益？回合级固定模式与逐步判断是否有区别？
方法与设置
- 设计不变：0.5 门槛、按公平 AI 排序的前 8 个公开伤害代理、每回合最多一次成功替换；D 只改为每步判断，S 不变。不补跑上一批的 75 个未知局。
- 来源：一个来源是一套选秀结果，原方向与换边方向各打一次。三类构筑 × 己方有无审判（Judgement）共六层，每层 4 个，从种子池 860000–860499 按顺序扫描到 860069 填满，开局在比赛前保存。
- 每个来源两个方向 × F/S/D，共 144 局；对手固定为公平 AI。100 回合、每局 1000 决策 / 180 秒、每次选择 4 秒、整批 60 分钟。
- 主指标：来源级 S−F 平均得分差（胜 1、平 0.5、负 0）。20,000 次层内来源 bootstrap（对来源有放回重抽，看均值波动）另报区间。
- 推进门槛（看结果前冻结）：24 个来源都完成主要配对、S−F 下界 ≥ +0.10、至少 4 个来源改善、正确性与信息边界通过、额外耗时 p95 ≤ 0.1 秒且最大 ≤ 0.2 秒。完整但未达门槛就关闭候选。
- 开赛前检查：重放上一批故障局的 115 步，失败点的 422 个菜单动作、公平 AI 选择和单步执行与修复后诊断完全一致；旧开发来源 1,821 次转换、420 个策略选择和 32 次隐藏扰动全部一致。
结果
144 局用时 631.51 秒，无故障、无未知、无时间或回合截断。
| 指标 | 数值 |
|---|---|
| F / S / D 战绩 | 25 胜 23 负 / 24 胜 24 负 / 24 胜 24 负 |
| S−F 来源均值 | −0.020833（无未知，上下界相同） |
| bootstrap 95% 区间 | [−0.083333, +0.041667] |
| S−D | 0（全部动作相同） |
胜负发生变化的来源：
| 来源 | 分层 | 方向 | F→S/D | 来源差 |
|---|---|---|---|---|
| 860008 | 中等咒力 / 有审判 | 蓝 | 负→胜 | +0.5 |
| 860002 | 高咒力 / 无审判 | 红 | 胜→负 | −0.5 |
| 860026 | 高咒力 / 有审判 | 蓝 | 胜→负 | −0.5 |
其余 21 个来源两个方向胜负不变。按层：高咒力有/无审判各 −0.125，中等咒力有审判 +0.125，其余三层 0。有审判组均值 0，无审判组 −0.041667。S、D 各替换 31 次，覆盖 13/24 个来源。S 额外耗时 p95 / 最大 2.04 / 36.65 毫秒。
核验：48 次选秀、48 个方向开局重建，144 局 13,477 次转换、4,570 个策略记忆恢复选择、300 次隐藏随机数和未公开法术书扰动全部一致，用时 457.61 秒。
失败与负结果
- 收益门槛未达：均值为负，只有 1 个来源改善。没有未知局，因此不是预算不足错过门槛。
- 区间跨零，不宣称候选显著更差；但预设门槛明确失败。
- S 与 D 无任何动作分歧，结束这项模式消融；不据此宣称两种判断方式在所有状态下等价。
局限
关闭的是这一条具体的“直伤替换”规则，不是对长期战略、价值学习或强化学习方向的否定。每层只有 4 个来源。
结论与下一步
关闭当前候选；保留原公平 AI 和上一批的 Simulator 读取修复。下一个方向需要真正改变决策方式（例如用整局反事实结果学习公开动作价值），并在独立来源的完整对局上验证；只模仿公平 AI 不算新棋力。
Comments