摘要

前面几次学习实验都没能让 AI 变强，本实验不训练任何东西，而是给基线 AI F（Fair：只用玩家可见信息的搜索 AI）加一个有界的短程前瞻：在每个决策点挑出最多 4 个候选动作，在 2 个“假想未来”里各往前推几步，只有当某个候选在两个世界里都比 F 自己的选择好出至少 .03 时才改选。全部计算必须在 2 秒内完成。

结果：24 局全部正常结束，改选 6 次、覆盖 3 个来源，但 8 个来源的终局差全部为 0，没有一个来源改善，准入门槛（至少 1 个来源改善）失败，开发和保留都未开。回头检查 6 次改选发现：其中 4 次把“F 的短程推演已经输了（0 分）”和“候选还没打完、按血量算出的代理分（如 .425）”直接比较，于是选了候选——实际仍然输了，还有一局被拖到第 16 回合才输。

要回答的问题

在 2v2 小课程（每方侍从和弩手各 20、无英雄/法术/障碍，20 回合未分胜负双方判负）里，一个只用公开信息、2 秒内完成的有限比较，能否在完整对局中改善胜负？

方法

候选。 最多 4 个：F 的原选择、F 诊断分最高的另一个攻击/兵种能力、最高的另一个移动、合法的等待。

假想未来。 搜索进程只收到公开的开局、历史、当前观察和菜单，不接触真实局面、比赛种子或未来随机数。它用 Simulator 公开的“假设追踪器”根据公开历史构造一个可执行的假想局面（有尝试次数上限），历史不足以覆盖时明确回退 F。每个候选在 2 个预定随机种子的世界里执行，之后双方都按 F 继续，直到双方各获得一次后续行动、真实终局或 6 个后续动作上限。每个根最多 4 × 2 × 7 = 56 次未来转移。

打分与改选。 终局用根方得分（胜 1、负/双输 0）；没打完的用血量代理：0.5 + 0.5 ×（己方永久生命保留比例 − 敌方保留比例）。只有某候选在两个世界相对 F 的差都 ≥ .03 时才改选。.03 是冻结的工程阈值，不是“胜率提升 3%”。

时间。 2 秒截止包含公开选择、假设重建、推演和进程通信；超时就丢弃结果、本局后续都照 F。

设置（冻结的条件）

  • 来源（固定初始布局和随机种子）：扩展布局池剩余 66 组，按原顺序取 28 个新组：8 准入、8 开发、12 新保留。
  • 每来源 1 局 F/F + 新策略执蓝/执红各 1 局。
  • 准入门槛：≥ 3 个来源真实改选、总改选 ≥ 4、至少 1 个来源换边配对终局分改善、≥ 95% 已知终局、零正确性故障。之后开发要求来源差保守下界 ≥ +.125 且至少 2 个来源改善；保留要求下界 ≥ +.10 且至少 3 个来源改善。
  • 预算：准入 + 开发 45 分钟；保留另 15 分钟。

结果

单次运行 90.638056 秒（含 24 局、全部审计和导出）。24 局全部自然终局，0 故障、0 未知、0 双输。

  • 改选 6 次，覆盖 3 个来源——覆盖门槛通过。
  • 按来源合并双方后，8 个来源差均为 0：0 改善、0 退化；每个受控方向的赢家都与原 F/F 相同——改善门槛失败。
  • 新策略 16 个受控方向 8 胜 8 负。
  • 266 次受控选择中 243 次完整搜索，23 次因历史假设未覆盖而回退 F；0 次超时。最大完整选择 1.258293 秒；单根最多 43 次未来转移（上限 56）。历史重建共 6993 次尝试、单根最高 256。

改选原因复查（只读原回执，未追加模拟）：

情形 次数 实际结果
F 短程已输（0 分），候选未终局的血量代理分 .425、.440909/.447727、.265909 3 仍输
F 未终局约 .73，候选短程胜利 1 1 仍是原胜者获胜
两边都未终局，血量代理占优 2 未翻盘

一个来源里：F/F 为 6 回合 22 步蓝胜；新策略执蓝 5 回合 20 步仍胜；新策略执红把败局从基线拖到第 16 回合、56 步才输。

正确性：789 个实际转移、5990 个保存的假想转移、266 个回执与公开输入、隐藏随机数扰动和 24 局双方结算全部重算一致；88 项相关软件检查通过。24 局回放已导入并通过交互检查。

失败与负结果

  • 准入失败：有改选、无终局改善。
  • 设计缺陷：把“已输的终局分”与“未结束的血量代理分”放在同一尺度比较，会系统性地偏向“还没输完”的动作；一局败局因此被拖长，这与“不做无益拖延”的目标相违背，不应上线。
  • 23 次假设未覆盖只说明有限尝试预算不够，不推断真实局面非法。

局限

混合尺度能解释部分改选，但尚不足以证明它是唯一失败原因。本实验只测试了很短的推演窗口，不代表更长的完整续玩也会失败。

结论与下一步

短程血量代理不能当胜率。关闭 0219，不调阈值、不加深度重跑。下一步先不跑新模拟，只读本次 266 个回执，检查有多少比较其实已经推到了完整终局、能否只用终局结果做决策（见实验 0220）。