摘要

实验 0219 的短程比较之所以出问题，部分原因是把“已经打完的终局分”和“没打完时的血量代理分”放在一起比。一个最直接的修正是：只在所有候选都推演到真正的游戏终局时才比较，不再使用任何血量代理。

本实验不跑任何新模拟，只重读 0219 的 266 份搜索回执，看这个规则能用上多少次。结果：只有 2 个决策的全部候选在两个假想世界里都到了终局，来自 2 个来源；其中 0 个满足“改选不差于原选择且至少一个世界更好”。两道门槛都没过，关闭。用时 1.278598 秒。

要回答的问题

如果沿用 0219 的短推演窗口（最多 4 个候选、2 个假想世界、根动作后最多 6 个动作、2 秒），但只用真实终局结果做比较，是否有足够多的机会做出有意义的改选，值得花新来源去做对战验证？

方法

比较规则（先冻结协议，再写只读工具）：

  • 一个决策的所有候选（包括基线 AI F，即 Fair：只用玩家可见信息的搜索 AI）在两个世界都必须到 Simulator 规则终局；任何一条没打完、超预算或假设不足，就照 F 走。
  • 终局用根方独立得分：胜 1、负或双输 0、真实平局 .5；不用对手奖励取反，不用血量代理分。
  • 改选条件（称为“终局支配”）：挑战动作在两个世界都不差于 F，且至少一个世界严格更好。按总分差排序，同分沿原顺序，F 并列最高时保留 F。
  • 去掉 0219 的 .03 阈值，不引入任何新阈值或学习参数。

读取范围： 0219 原 8 个来源（每个来源是一个固定初始布局）、24 局对局里的 266 份搜索回执；5990 条已有假想转移只读取，不重新执行。

设置（冻结的条件）

  • 准入：至少 8 个完整决策来自至少 3 个来源，且至少 3 个支配决策来自至少 2 个来源；读取预算 5 分钟。
  • 若通过，才从剩余 38 个未用布局组里固定 20 个新来源做开发（24 局）和保留（36 局）。

结果

  • 266 份记录全部读取：243 份完整搜索、23 份原本就历史假设未覆盖。
  • 97 个分支终态是终局，但只有 2 个决策的所有候选 × 2 个世界全部终局，来自 2 个来源。
  • 支配决策：0。
  • 两道门槛均失败；开发、保留阶段没有实现运行，20 个新来源没有分配，未分配组仍为 38。
  • 核验：每条分支最后保存的局面终局标记和双方结果与回执一致；原游戏、来源、搜索版本与公开菜单逐项绑定核对。45 项相关软件检查通过，其中一项专门确认本工具不调用任何状态转移。

失败与负结果

这是一次旧日志覆盖准入的失败，不是新对战的失败：原短窗口里几乎没有“全部候选都打完”的比较机会。

局限

结论只针对 0219 那个很短的推演窗口。它不证明更长的、有预算限制的完整续玩，或所有公开搜索都无效。本次也没有把旧的 8 个来源或假想终局当作任何棋力证据。

结论与下一步

在 6 步窗口内只看终局，几乎无事可做。下一步不再在血量阈值或多推一两步上打转，而是真正改变方法：把候选减少到 2 个，但每条分支都续玩到规则终局，并在 2 秒内完成（见实验 0221）。