摘要

实验 0063 发现公平 AI v59 在战术题上的错误都来自公开估值缺陷。本实验据此做了两个原型，并按事前冻结的规则逐关验收。完整版 v60（同时修反击暴露位置、反击损失和等待/移动的机会价值）在开发题上答对 32/36，但两道原本正确的题回归、哨兵题答错，按规则关闭。只修反击暴露位置的 v60a 通过了开发题（26/36、无回归）和一次性打开的留出题（48/68 对 v59 的 44/68），但在 40 个来源、80 局的镜像排位中，来源平均差为 −0.0375，没有达到“≥ 0”的门槛。0064 关闭，不调参重试。

要回答的问题

把 0063 找到的估值缺陷修好，能否在小题上改对、并在完整对局中不比 v59 差？

方法

  • v60a（A）：v59 给攻击动作评分时，把攻击者位置换成 Simulator 公开攻击序列查询给出的攻击落点（远程不动），其余不变。
  • v60（A + B + C）：在 v60a 基础上，B 用公开攻击序列的反击估计代替 ×0.45；C 给每个动作（攻击、等待、移动、跳过）加同一个“下次行动前的公开威胁”项——对本回合在我方之前行动的每个敌人，估计它打我方的伤害，若我方能反击再减去反击价值，按它能打到的我方部队数平均分摊。
  • 只用公开观察、公开菜单和 Simulator 公开查询。C 在原型阶段用了 Simulator 内部只读估计，尚无公开出口。

事前冻结的选择规则：

  1. v60a 开发门槛：≥ 26/36，且 v59 原对的 24 道全部保持。
  2. v60 开发门槛：≥ 26/36，原对题最多回归 1 道，哨兵 p0048、p0071、p0078 必须正确。
  3. v60 过关选 v60，否则 v60a 过关选 v60a，选定后不再更换。
  4. 留出题（68 道，只开一次）：正确数不低于 v59。
  5. 镜像排位：新种子 66000–66039，40 个来源（每个来源双方各执一次颜色），对手 v59，20 回合上限，共 80 局。来源差 = 候选两局得分和 − 1；门槛为平均差 ≥ 0、20 回合双输 ≤ 4/80、每步决策 p95 ≤ v59 的 2 倍。
  6. 任一门槛不过即关闭，不调参重试。

设置

工程约 25 分钟（预算 3 小时），排位计算 147 秒（预算 30 分钟）；不改默认 AI、不改规则、不训练。

结果

开发题（唯一一次正式评测）：

候选 正确 改对 原对题回归 哨兵 门槛
v59 24 — — 全对 —
v60a 26 p0003、p0056 无 全对 通过
v60 32 10 道 p0071、p0078 只对 p0048 不通过

v60 的两道回归都是本该攻击却改成移动：威胁项把“留在原地被打、我方反击”的价值算到了移动上，压过了攻击收益。最终候选为 v60a。

留出题（只为 v60a 打开一次）：

正确 Wilson 95% 区间
v59 44/68 0.528–0.750
v60a 48/68 0.589–0.801

v60a 独对 6 道、v59 独对 2 道，精确符号检验双侧 p≈0.29，差异不显著；门槛“不低于 v59”通过。

镜像排位（修复后的第 2 次尝试，80 局全部自然结束或到 20 回合，回放终态一致）：

项 结果 门槛
总分 v60a 38.5 / v59 40.5 —
来源平均差 −0.0375（自助法 95%：−0.225 至 +0.150） ≥ 0：不通过
来源 改善 / 变差 7 / 9（符号检验 p≈0.80） —
20 回合双输 1/80 ≤ 4：通过
每步决策 p95 v60a 0.0377 秒 / v59 0.0361 秒，最大 0.126 秒 ≤ 2 倍：通过

自助法区间是对 40 个来源反复有放回重抽样得到的平均差范围。

失败与负结果

  • v60 在开发题关闭；v60a 在排位关闭。
  • 第 1 次排位中止，属原型故障：v60a 把攻击者位置换成落点后，v59 的援护反击校验（要求援护来源与攻击者当前位置相邻）抛错。修复为只在该校验时恢复原位置；修复前后开发题与留出题的选择逐题相同。第 1 次已写出的 78 局保留，没有汇总。

局限

  • 排位变差可能只是噪声（9 对 7，p≈0.8），区间跨 0。
  • 题库收益为什么没有转化为对局收益，本实验没有回答；完整对局还有英雄法术、专注技能等其他评分分项。
  • v60 的 32/36 只说明机制方向，它没有上过留出题和排位。

结论与下一步

0064 关闭，不调参重试；默认公平 AI、规则和服务都没有改。下一步做一次只读诊断，看 v60a 在排位里到底多频繁地改变了决策（实验 0065）。