摘要

实验 0223 说明“永远先打弩手”这种无条件目标在 3v3 里不成立。本实验让目标选择依赖公开局面：给每个敌方单位按 4 个公开特征打分（是否远程、是否飞行、是否贴近我方射手、已损失的初始生命比例），再加一个“分差超过多少才覆盖基线”的门槛，共 5 个参数。参数用 CEM（Cross-Entropy Method，交叉熵方法：每代随机采样一批参数，各打完整对局，取最好的几组更新采样分布）以整局胜负训练。

与 0218 那种“搜索没开始”不同，这次学习确实发生了：三代 24 个候选参数行、3 次分布更新、1188 局训练对局，训练门槛通过。但冻结后在 8 个新开发来源上，对基线 AI F 来源差 0（1 改善 1 退化），对 M 差 0，开发门槛失败。关闭当前五参数 3v3 路线，84 局保留未开。

要回答的问题

在侍从 / 弩手 / 狮鹫的 3v3 课程里，一个依赖公开局面的小参数目标策略，能否通过整局胜负训练，稳定地超过基线 AI F（Fair：只用玩家可见信息的搜索 AI），同时不输给集火近战脚本 M？

方法

策略（记作 C）。 对每个敌方目标计算四个公开特征并加权求分，目标切换有固定滞后 .25；只有当保留目标自己的得分领先其它目标、且领先幅度严格大于覆盖门槛时，才偏离 F。执行部分复用 0222 的目标执行器，保留 F 的免费动作和最终选择保护。两个事前写明的细节：初始生命取第一步之前双方各自的公开投影，不拿某方稍后首次行动时的残血；未知特征退回 F，不填 0。只有一个敌人时直接照 F。

训练。 3 代 × 8 个参数 × 12 个训练来源 × 双方 × 两个对手（F 和 M）= 1152 局候选对局，加 36 局共享基线，共 1188 局。排序分 J = 对 F 的保守差 + min(0, 对 M 的保守差)，避免靠打赢较弱的 M 来刷分。每代取前 2 名更新均值和标准差。

设置（冻结的条件）

  • 来源（一个固定的初始配置和随机种子）：排除旧封存及 0222/0223 全部几何后，按原 194 组顺序扩为 3v3，32 个新来源：12 训练 / 8 开发 / 12 保留。
  • 训练门槛：对 F 差 ≥ .125 且 3 个来源改善；对 M ≥ −1/24。
  • 开发门槛：对 F 差 ≥ .125 且 2 个来源改善；对 M ≥ −.0625；至少 3 个来源实际改选。
  • 保留门槛：对 F ≥ .10 且 3 个来源改善；对 M ≥ −1/24。
  • 预算：训练 25 分钟、开发 10 分钟、保留 15 分钟；任何门槛失败即停止，不加第四代、不放宽边界、不换种子。

结果

单次运行 711.566383 秒；1188 训练 + 56 开发 = 1244 局，1223 局自然终局、21 局第 20 回合双输；0 未知、故障、替换、重试。三代的 J 依次为 −.125、0、+.083333。

最终参数：四个特征权重约为 .177、.090、.567、−.319，覆盖门槛约 .265（完整精度见实验记录）。

阶段 对 F 对 M 判定
训练（最终参数） 差 +.125，3 改善 0 退化 差 −1/24，0 改善 1 退化 通过
开发（8 个新来源） C 7 胜 9 负，F/F 双方 7 胜 9 负，差 0；1 改善 1 退化 6 持平 C 与 F 对 M 都是 16 胜 0 负，差 0 失败
保留 — — 未开始（12 初态未构造）

开发 56 局为 54 局自然终局 + 2 局双输；8 个来源都有 C 的实际改选，但没有净收益。

正确性：20 个初态、44,547 个真实转移、31,182 个策略回执与记忆恢复、隐藏随机数检查和 1244 局双方结算重算通过；24 个参数行、3 次更新和日程重算一致。最大单次选择 .0799924 秒（并发小课程观察）。1244 局回放全部导入并通过桌面与手机宽度的交互检查。

两个开发对照的第一处分歧（只读，零新模拟）： 改善例前 7 步相同，第 8 步 C 把攻击目标从弩手改为贴近己方射手的狮鹫；退化例前 14 步相同，第 15 步 C 把攻击目标从重伤的侍从改为狮鹫。两例都是“合法攻击改攻击”，不能简单归因为“有攻击却走路”，也不能从一步推出整局因果。

失败与负结果

  • 训练过线、开发无净收益：这是有学习更新后的独立开发负结果。
  • 正式比赛结束后的回放静态审查发现，旧实验 0218 的记录有参数却没有本实验新增的参数编号字段；导出条件改为两者同时存在才加标签。正式数据不受影响，没有补跑。

局限

  • 本次有限数据无法区分是特征不足、搜索预算不足还是课程本身的局限；不能否定整个 CEM 方法。
  • 学到的负“生命损失”权重不能当成普适战术规律，也不上线默认 AI。
  • 训练过线靠的是 12 个训练来源，是在同一批来源上反复比较不同参数，并非独立样本。

结论与下一步

CEM 能在训练来源上找到过线的参数，但这五个参数刻画的偏好没有在新布局上带来收益。关闭当前五参数 3v3 方案，不在同一课题上继续刷分。下一步转向更接近真实对局的完整竞技场环境（英雄、法术、七种兵），在开局选择整局战术选项（见实验 0225）。