摘要

实验 0219 的短程推演用了不可靠的血量代理，0220 又证明在短窗口内几乎没有“全部候选都打到终局”的比较机会。本实验把思路反过来：候选少一点，但每条分支都打到底。每个决策只比较基线 AI F（Fair：只用玩家可见信息的搜索 AI）的动作和一个不同类别的挑战动作，在 2 个假想世界里各执行一次，然后双方都按 F 续玩到规则终局，全部在 2 秒内完成。

成本方面比预想的好：16 个预定根槽中 13 个在 2 秒内四条分支全部终局（含全部 8 个早期根），最大用时 1.997365 秒。但信号不够：只有 1 个来源出现了终局支配改选，低于至少 2 个来源的门槛。准入失败，开发和保留未开。

要回答的问题

只用公开信息，在 2 秒冷启动预算内，能否把两个候选在两个假想世界里都续玩到真正终局？如果能，这种比较能否在足够多的来源上找到“明显更好”的改选？

方法

挑战动作怎么选。 按 F 动作的类别选一个不同类别：F 攻击/能力时优先等待、否则移动；F 移动时优先攻击/能力、否则等待；F 等待时优先攻击/能力、否则移动。类别内用 F 的公开诊断排序。

假想世界。 搜索子进程只拿到公开历史，用 Simulator 公开的假设追踪器重建一个可执行局面，不接触真实局面、真实种子或结果文件。两个预登记的随机世界里，分别执行两个根动作，然后双方按 F 续玩到规则终局。

打分。 根方独立得分：胜 1、负 0、真实平局 .5；20 完整回合未决或只剩临时生物双输，双方都 0。四条分支全终局，且挑战动作两个世界都不差、至少一个更好（“终局支配”），才允许改选。超时、外部上限、假设不足都整体回退 F，不当负分。

时间。 2 秒包含候选选择、子进程冷启动、公开历史重建和四条串行续玩；超时就终止，不接受部分答案。

设置（冻结的条件）

  • 根：从 0219 原 8 个 F/F 来源（每个来源是一个固定初始布局），各取第 3–5 回合最早一个有不同类别合法动作的根和第 8 回合后最早一个，最多 16 槽；不足就缺席，不看胜负补选。
  • 准入（5 分钟内）：≥ 8 个根四分支按时全部终局，其中 ≥ 2 个早期根；且 ≥ 2 个来源出现严格支配改选。
  • 若通过：从未分配的 38 个布局组中冻结 20 个新来源，8 开发（24 局，来源差下界 ≥ +.125、≥ 2 改善）、12 保留（36 局，≥ +.10、≥ 3 改善）。

结果

总计 33.045738 秒；0 超时、0 运行故障、0 重跑。

项目 结果
16 个预定槽 13 完成，2 个晚期根不存在，1 个历史假设不足（仅匹配 9/23 事件，251 次尝试）
早期根完成 8/8
整个决策用时 最大 1.997365 秒，最小约 .867 秒
假想终局分支 52 条，1249 个新假想转移
终局支配改选 1 个来源

唯一一次改选发生在一个来源的第 3 回合（蓝方）：F 选择攻击敌方侍从，两个假想世界都是蓝负；挑战动作“等待”在第一个世界走到第 20 回合双输（0 分），第二个世界蓝胜，根方得分差为 [0, 1]，满足支配条件。双输按各自 0 分正确保留，没有把对方的失败反号当成自己的胜利。

核验：52 条假想终局、1368 条保存记录按同一公开请求全部重算一致；14 个实际存在的根都与原轨迹的菜单、观察和完整前缀核对通过，隐藏随机数扰动不改变公开输入。53 项软件检查通过。

失败与负结果

  • 成本/覆盖门槛通过，支配来源 1 < 2，准入失败。24 局开发、36 局保留未开始；20 个新来源只冻结了元数据。
  • 失败不能归因于“算不完”，也不能据此称已改善实际对战。

局限

  • 这是一个冷启动小批次，最大 1.997 秒离 2 秒很近，不能当作稳定余量、网页 5 秒体验或更大军队吞吐的证明。
  • 两个假想世界只是同一根的两种随机未来，不是同一真实未来的两个结果；52 条假想分支不能算作 52 场新对战。
  • 比较的是“改一次、之后照 F”的条件两样本结果，不是最优价值，也不保证不弱于 F。

结论与下一步

完整续玩在小课程上是算得动的，但这种“单步改选、之后照基线”的比较几乎找不到稳定更好的动作。单一来源的优势不足以推进，关闭本候选。下一步改为研究跨多个行动的持续战术目标（见实验 0222）。