摘要
实验 0048 给研究用搜索控制器加入了“目标已无法反击的普通攻击”候选，在已观察过的小阵型上修正了几次失败。本实验把候选逻辑冻结，在 24 个从未用过的新来源上做分层持续对照。按照事先写好的停止规则，一旦出现“旧控制器赢、新控制器输”就停止扩大批次并固定反例。结果在第 18 对（来源 810004）触发了这一条件：新增的攻击把蓝胜变成红胜。批次停止，余下 78 对（包括全部机会富集组和复杂组）没有运行。候选扩展没有接入默认 AI。
要回答的问题
新增的无反击攻击候选，在普通开局、机会富集局面和复杂局面中，是否稳定地不变差、并能带来净收益？
方法
- 来源冻结：先保存种子、筛选条件、时间上限、指标和停止规则，再生成来源；不按新策略胜负挑选来源。这里“来源”指一个固定的开局状态，在其上换边、换对手、换控制器各打一局。
- 分组：普通 8 个（810000–810007，全部开局）；反击耗尽 4 个（811000–811003）；其他无反击 4 个（811032–811035）；复杂 8 个（812000–812007，14 个兵组全存活、至少 32 个单位法术指令）。24 个尝试全部入选。
- 持续对照：每来源 × 蓝/红候选方 × quick/公开 Fair 对手 × 旧/新控制器，共 96 对、192 条分支。每分支最多 180 秒 / 1000 次决策，每次选择 4 秒协作预算。主指标是真实终局胜/平/负，次指标是末态总生命比例。
- 停止规则：非法动作、信息隔离失败或回放不一致立即停止；出现旧胜新负则完成当前对的记录、停止扩大并固定反例。
设置
- 初态普查：24 个状态新旧控制器各运行一次，48 次全部完成，24 对选择完全相同——因为 quick 在这些初态都已经选择了主动法术、技能或攻击，没有执行候选比较。这不能当作新机制通过验证。
- 持续对照按预定顺序推进，实际只覆盖前五个普通来源。
结果
完成 18 对 36 条分支：
| 结果 | 对数 |
|---|---|
| 双方同胜 | 10 |
| 双方同负 | 6 |
| 旧胜新负 | 1 |
| 双方同在 quick 超时（未知） | 1 |
16 对的保存轨迹完全相同，只有 2 对有真实动作分歧：
| 来源 / 候选方 / 对手 | 首分歧 | 旧 / 新动作 | 原分支终局 |
|---|---|---|---|
| 810003 / 蓝 / Fair | 第 66 步 | 等待 / 攻击 druid | 都是蓝胜，蓝余生命比例 0.104913→0.061370 |
| 810004 / 蓝 / Fair | 第 28 步 | 移动 / 攻击 dragon_hunter | 蓝胜→红胜，触发停止 |
把胜/平/负记为 1/0/−1、未知记为 [−1, +1]，18 对的“新减旧”总分范围是 [−4, 0]。这是描述性敏感范围，不是置信区间。
固定反例诊断：只强制首步旧/新动作，之后用旧控制器对 Fair，在原随机数和三个预定替代随机数下共 16 条分支，全部自然终局。810003 四组胜负都相同，但先攻击时己方余血更少或敌方余血更多；810004 先移动 4 胜，先攻击 1 胜 3 负。在 810004 的一个采样世界里，攻击触发幸运并让随后的敌兵负士气恐慌，这是样本路径中的可观察差异，不能断言真实敌人必定恐慌或已找到唯一估值错误。扩到 8 个随机世界、一层或二层搜索后，两处仍都选攻击，退化没有消失。
整批共有 20 个新增候选，来自 9 个决策、4 个来源；13 次进入比较，7 次完成，3 次被接受，最终只有 2 次执行了新增动作。原批次 3,069 次战斗转移和干预分支 1,216 次转移独立回放通过。
失败与负结果
- 第 18 对出现严重退化，触发停止；余 78 对未运行，不能继续扩大批次去冲淡退化。
- 早先口头归因的“4 次新增攻击”不正确，实际为 2 次执行。
- 首批中两处新增候选首对比较耗尽 4 秒预算，退回 quick。
- 一个汇总文件因变量遮蔽而命名错误，历史文件保留，错误已修复。
局限
- 来源来自同一生成器，不是统计独立的真人对局；机会组和复杂组是机制富集样本，频率不能外推。
- 候选方读取对手隐藏构筑，仍是研究控制器；固定执行顺序可能带来缓存或负载差异，计时不是公平性能基准。
结论与下一步
无反击攻击候选在新来源上出现了可复现的胜转负，按协议以严重退化结案，不接入默认 AI。下一步在 12 个已观察的双根局面上做“有界敌方回应”诊断，同时保留 0048 中的有利攻击/等待和成本反例作为回归。
Comments