摘要

搜索 AI 给局面打分时，终局用一个极大的常数（赢 = 1e9，即十亿分），而尚未结束的局面只有几百到上千的材料/位置分。前一个实验发现，在“敌方再回应一步”的扩展比较中，这两种尺度混在一起主导了两次改选。本实验要检查：同样的尺度混合是否也影响原来的基础比较。我们预先冻结了来源和准入门槛：至少两个新来源出现终局/非终局混合并伴有排序错配，才去拟合一个共同的价值尺度。结果 8 个新来源只取到 3 个检查点，0 个满足混合门槛，按协议停止拟合、不改常数、不补种子。审计本身完整做完，并发现一个与尺度无关的新反例（820001）。

要回答的问题

基础比较（下文称 P0：在同一个局面里比较两个候选根动作，各向下展开两次行动、在四个公共随机世界上取平均）的选择，会不会因为某些路径碰到终局（1e9）而另一些没有，导致数值不可比？

方法

  • 来源：r11 实验已有的 12 对旧案例，加上新种子 820000–820007（随机选秀、双方 quick 自然推进）。
  • 选点规则（事先冻结）：第一个双方都存活、总兵组数不超过 4、quick 已做普通消耗性选择、且存在正伤害普通攻击的状态。根 0 是 quick 的选择，根 1 是另一个正伤害攻击（没有就取等待）。没有检查点就记为没有，不补抽。
  • 两种续玩：（1）从同一根状态强制一次根动作，之后双方 quick 打到底；（2）从 P0 原本选中路径的叶子出发，双方 quick 打到底。后者只用于诊断旧估值语义。每条分支最多 100 次决策 / 20 秒。
  • 读数：相对原根方的胜/平/负记 +1/0/−1，未知保留为区间 [−1, +1]；四世界平均只是有限样本描述，不是校准胜率。

设置

8 个新来源中 3 个取到检查点（820000、820001、820006），其余 5 局在满足条件前就结束了。旧案例 15 对的 P0 全部完成，其中 14 对有完整路径（共 112 条，叶子全部非终局）；一个旧案例的插桩版本超时，缺 8 条路径，没有重跑补齐。

结果

续玩口径 分支 自然终局 未知 新转移
同根强制一次动作，随后双方 quick 120 111 9 2,751
原 P0 选定叶子，随后双方 quick 112 104 8 2,363
合计 232 215 17 5,114

17 个未知都是 20 秒上限：其中 16 条集中在旧案例 r10 A，另 1 条是 820006 的强制攻击 ent。

新反例 820001：P0 选择攻击 sunlight_cavalry（均值 1265.7174），高于攻击 hive_queen（1149.7962），八条路径全非终局，与 1e9 混合无关。但两种续玩都更支持 hive_queen：强制根后为 [1,−1,−1,1] 对 [1,−1,1,1]，从叶子续玩为 [1,1,−1,1] 对 [1,1,1,1]。这是有限公共样本、固定后续策略下的反例，不能作为生产棋力结论。

独立读盘验证了 16 份选秀、797 步前缀、287 条 P0 边和 5,114 条续玩边，共 6,198 次战斗转移，全部一致。

失败与负结果

  • 预声明门槛（至少 2 个新来源出现终局/非终局混合）实际为 0，因此没有拟合共同尺度、没有改 1e9。
  • 首次独立验证调用了不存在的读取函数，在处理选秀前失败；改用既有读取器后通过，原失败说明保留，生成和续玩数据没有重跑。

局限

  • 选点规则刻意富集残局，不能估计完整对战中出现的频率。
  • 缺覆盖不能证明完整 strong/deep 档位都没有尺度问题；P0 只是受限的双根研究比较。
  • 搜索读取对手的隐藏构筑，不是公平 AI。
  • 固定 quick 续玩的胜负不是 minimax 真值。

结论与下一步

尺度问题在这批样本上没有出现，按协议结束共同尺度拟合。后续转向随机机会（幸运/士气）与根价值的归因审计，以 r10 B 和 820001 为主案例，其余作开发回归，并只在找到可复核的具体机制证据时才做便宜原型。