摘要

实验 0068 中，威胁圈规则 AI T（在默认公平 AI v59 上只改近战单位的推进落点）在 600 个来源上比 v59 强 +0.103。但 T 是在那批来源上看过结果后才确定的候选，可能带着选择偏差。本实验在看到 0068 结果前冻结协议，用 320 个全新来源再测一次。

结果：+0.025，95% 区间 [−0.0406, 0.0875]，下界不大于 0，未通过。T 不作为 Arena 选项交付。

要回答的问题

T 对 v59 的优势在新来源上是否稳定？对其他风格的对手是否也不吃亏？

方法

  • 冻结 T 的代码与规则版本（Core452），不改参数。
  • 主检验：320 个新来源（种子 70000–70319）。一个来源是一个随机种子生成的镜像开局，T 执蓝、执红各一局对 v59，共 640 局。来源差 = T 两局得分和 − 1。
  • 区间：来源层面自助重抽 10,000 次（种子 0）的 95% 百分位区间。
  • 跨对手检查（只描述，不作门槛）：另 96 个新来源，T 分别对 H3（英雄无敌三式规则 AI，见实验 0068）和随机扰动对照各打 192 局。
  • 通过：主检验均值 > 0 且区间下界 > 0；不通过就不追加来源、不调参重跑。

设置

事先估算的功效（检出概率）：320 来源的区间半宽约 ±0.067；真实优势 +0.10 时约 83% 能检出，+0.05 时只有约 31%（要 80% 需约 1180 来源）。4 个工作进程；每局保存并重放校验。

结果

组 来源差 [95%] 好/差来源 T 胜 / 对手胜 双输
主检验（对 v59） +0.025 [−0.0406, 0.0875] 59/51 328/278 34
对 H3（描述） −0.1354 [−0.2396, −0.0312] 8/21 83/97 12
对随机组（描述） +0.1354 [0.0104, 0.2604] 26/13 109/74 9

1024 局 0 故障，全部重放校验。决策 p95：T 0.0668 秒，v59 0.0664 秒。

失败与负结果

  • 主门槛未通过；0068 的 +0.103 在新来源上没有复现。
  • 未验证的解释：0068 的估计含选择偏差与抽样波动；真实优势可能在本次区间的 0 到 +0.09 之间。按功效估算，+0.05 的真实优势在 320 来源上只有约 31% 能检出，所以“未通过”不等于“T 没有任何优势”。

局限

跨对手检查各只有 96 个来源，只作描述。镜像开局、Core452 规则。

结论与下一步

按冻结协议结案，不追加来源、不调参重跑，T 不交付。同一批来源上的 H3 验证见实验 0071。