摘要

实验 0107 比较的是“整局都用某一种拿宝物习惯”的平均效果。玩家真正关心的是：眼前这三张，现在拿哪张？要不要重置？ 本实验改用 rollout（前向模拟规划）：对当前每个可能动作，各自往后模拟很多局剩余选秀，看哪一个最终效用更高。规划集上选出“根动作 + 后续策略”后冻结，再到独立种子上确认。共 4352 条轨迹全部完成；有的局面得到了合理的、依赖现有库存的建议，但也出现了规划选择在确认集上显著变差的案例，因此没有升级在线 AI。

要回答的问题

在给定的选秀局面上，条件规划能否给出比固定启发式更好的“这一手拿什么”建议，并在新种子上站得住？

方法

  • 6 个假设公开局面（开局双系/单系、中盘已有龙套两件、已有死亡阴影一件、最后一手知识装备多/少），当前三张均为史诗：白骨靴子、蜿蜒腰带、萨满之杖，加上“重置”共 4 个根动作。
  • 后续策略两种：0107 的净收益选择、补蓝有限追套。每条模拟只在根节点强制动作，之后不再嵌套搜索。
  • 条件世界只用公开的已揭晓稀有度前缀，未揭晓部分按公开规则抽样；不同首动作共享随机数做配对，但规划与确认种子互相隔离。
  • 三组效用假设：需求 150 蓝/系数 0.06、175/0.09、200/0.12；剩余重置的价值按 0.5、1.5、3 分做敏感性分析。

设置

规划种子 410000–410015（768 条），确认种子 510000–510063（3072 条），另加开局双系的四格消融 512 条。规划集选定后冻结，确认集不用于再选择。样本单位是外层种子。

结果

  • 同为 200 蓝需求：开局双系时，腰带相对靴子 −1.36 分（配对 95% 区间 −3.57 至 0.74，不确定）；已有龙套两件时 +1.98 分（0.21 至 3.73）。这支持“按库存判断”，不能推出固定的宝物排行。
  • 回放检查 30189 次决策；估值修正版 v2 重新优化了 258 条受影响背包，另 4094 条确认目标不变，这些重算不增加样本。
  • 小型精确动态规划（336 个状态）核验：184 个状态里 rollout 严格改善了基策略——这只是简化模型的算法核验。

失败与负结果

  • 主要失败：影子替身组在 200 蓝需求下，规划选出的“萨满杖 + 补蓝后续”相对“萨满杖 + 净收益后续”在确认集为 −1.10 分（区间 −2.16 至 −0.17），区间完全低于 0。
  • 开局四格消融也没有证明“调高蓝权重”或“追套先验”能普遍改善共同效用。
  • 首轮估值 v1 把已投影的攻防又按旧先验加了一次，胸腔盔甲、暗影斧头各多计 0.9 分；v2 已修正并完整重算。
  • 收尾复跑时，共享工作区正在迁移规则，公共 Simulator 导入失败，最终合并测试与表格重跑未执行；此前完成的实验记录不因此撤销。

局限

6 个局面是声明的假设局面，不是随机抽取的代表；法术和兵种阶段未接入；效用系数未按胜率校准；多局面多目标比较未做家族错误率校正。

结论与下一步

条件规划能给出依赖库存的提示，但出现了确认集显著变差的案例，按冻结规则不升级在线策略。要继续，需要把后续法术/兵种价值接进来，并在实战对局中检验。实用建议见实验 0109。