摘要

v60a 是默认公平 AI v59 的一个改版：按攻击落点估计会吃到多少反击。它在战术题库上有进步（开发题 +2，留出题 48/68 对 v59 的 44/68），但 40 来源排位只得到 −0.0375。实验 0066 测出 40 来源排位噪声太大，检出 +0.05 约需 600 个来源。所以本实验用 600 个从未用过的来源重测。

结果：v60a 对 v59 的来源差 −0.0925，95% 区间 [−0.134, −0.050]，区间完全在 0 以下——v60a 在完整对局里明显更差。候选未通过，0064 的关闭结论成立。

要回答的问题

题库上的收益能否在完整对局中体现，并且超过“同样比例随机改选”？

方法

  • 来源：一个随机种子生成的镜像开局（双方军队相同）。候选执蓝、执红各打一局对 v59。来源差 = 候选两局得分之和 − 1（胜 1、负或双输 0）。
  • 区间：把 600 个来源有放回地重抽 10,000 次，每次算平均来源差，取 2.5% 与 97.5% 分位数，称来源自助（bootstrap）95% 区间。
  • 两组：A = v60a；B = 实验 0066 冻结的随机扰动策略（σ = 0.002）。每组 1200 局。
  • 冻结判读：A 下界 > 0 且 A−B 下界 > 0 才算通过；A 上界 < 0 判为更差。

设置

新种子 67000–67599；20 回合上限；规则版本 Core450；3 个工作进程；墙钟上限 100 分钟；工具或引擎报错即停，部分来源不下结论。

结果

第 1 次运行失败：两组都在“死亡之握”法术的额外杀兵回执处被 Simulator 报错中止（A 存 592 局，B 存 477 局），结果不计。原因是法术杀兵回执没有处理“死亡召唤处决整队”和“Arina 之选保留最后 1 只”两种情况；修复只影响原本会报错的局面，不改规则版本。

第 2 次运行：A 组 1200 局全部完成并重演一致，双输 31 局，用时 3014 秒。

指标 结果
平均来源差 −0.0925
95% 来源自助区间 [−0.134, −0.050]
改善 / 变差来源 58 / 116
决策用时 p95 v60a 0.049 秒，v59 0.045 秒

总分 v60a 544.5、v59 624.5。镜像对局红方明显占优（v60a 执红 404.0、执蓝 140.5），两边各打一局正好抵消。

失败与负结果

  • v60a 未通过，且被判为“更差”。
  • B 组在 450 个来源处因另一个 Simulator 错误中止：英雄“混乱打击”把无限反击的单位反击次数设成 0，状态一替换又被重置，单位技能核对因此报错。修复需新规则版本 Core451，另行处理。按协议 B 组不下结论，A−B 比较未做；A 已判为更差，这不影响结论。

局限

结论只在 Core450 规则下成立，不能与后来 Core451 的结果合并。题库与对局为何背离只有部分解释：v60a 的改选多在第 1 回合“先移动再吃反击的攻击”，题库奖励这类攻击，实战却吃亏——这是推测，未单独验证。

结论与下一步

题库收益不能代替对局评测。今后的候选先用题库筛选，再必须通过约 600 来源的排位。不再为 v60a 安排额外排位。后续规则 AI 见实验 0068。