失败实验 0229：用结构化动作特征的排序模型模仿规则 AI 的走位

摘要

早先的 2v2 行为克隆在“移动”上几乎完全失败（实验 0210：训练 0/478）。实验 0069 设计了一套结构化动作特征：路线风险、攻击序列、落点几何、生物静态属性等，让每个动作本身带上更多描述。本实验检验：有了这些特征，一个只给动作打分的小模型能否学会一个规则型 AI 的移动选择？

结果有一好一坏。坏的是，测试集上“教师选了移动、模型在整个合法菜单里也把同一落点排第一”的比例只有 0.1373，低于冻结的 0.25 门槛，“可学”判定失败，结案。好的是，与只用旧公开特征的同结构模型相比高出 +0.112（消融 0.0253），只在合法移动内部排序时 Top-1 达到 0.3403——新特征确实有用。

要回答的问题

这是一次“可学性”检验，不是棋力检验，不做对战：在同一个教师的决策上，结构化动作特征能否让模型选中教师所选的同一个落点？

教师 T 是实验 0068 中的“威胁圈”规则 AI（按英雄无敌三式简单准则：近战打得到就打、打不到就等、远程直接射，推进时估计下回合之前敌人能打到哪些格子）。

方法

模型： 状态向量 → 128 维；每个动作行 → 256 → 128 维；两者拼接 → 128 维 → 1 个分数。同一菜单内做 softmax，用交叉熵对齐教师选择。模型输入里不包含 T 或旧规则 AI 的评分。
训练： Adam，学习率 1e-3，权重衰减 1e-4，每批 64 个决策，固定 20 轮，取最后一轮，不按开发集挑轮次。
消融： 同结构、同设置，只用 0069 之前的旧公开列（255 维），回答“新增特征有没有用”。

设置（冻结的条件）

数据：0068 第 3 次 T 组 1200 局里 T 一方的全部决策，标签是对局记录里 T 自己写下的动作；用 0069 数据生成器逐步重放生成，事件字节不一致即报错。
按来源划分（同一来源两局同组）：400 个来源训练、100 开发、100 测试；测试集只在全部训练结束后读一次。
主指标：测试集上标签为移动的决策中，完整菜单 Top-1。
判定“可学”：完整模型主指标 ≥ 0.25，且 ≥ 移动内均匀随机期望的 5 倍；完整模型比消融高 ≥ 0.05 才说“新增特征有帮助”。不通过就结案，不改结构或特征重跑。
预算：数据生成约 1 小时，两个模型各不超过 30 分钟。

结果

数据：60,335 个决策（训练 39,650、开发 10,605、测试 10,080），7,253,161 个动作行，每行 351 维（旧公开列 255 + 新增 96）。

指标（测试集）	完整（351 列）	消融（旧 255 列）
全部决策 Top-1	0.5185	0.4905
动作类型正确率	0.7963	0.7759
移动 Top-1（完整菜单，主指标）	0.1373	0.0253
移动 Top-3（完整菜单）	0.4187	0.1796
移动类内 Top-1 / Top-3	0.3403 / 0.5560	0.1537 / 0.2884
按来源平均移动 Top-1	0.1351	0.0239
最佳移动与 T 落点距离 ≤ 1 格	0.4769	0.2720
最佳移动与 T 落点平均距离	2.76 格	4.11 格

参照基线：菜单内均匀随机 Top-1 为 0.0251；移动类内均匀随机 0.0365（5 倍即 0.18）；“先选最常见类型、类型内随机”0.2824。测试集有 1581 个移动决策，候选落点数中位约 41。开发集最后一轮主指标为完整 0.1390、消融 0.0310，与测试一致。

可学门槛：0.1373 < 0.25，且 < 0.18，未通过。
新特征帮助：+0.112 ≥ 0.05，通过。

失败与负结果

数据生成时暴露 0069 编码器的一个错误：落点几何在“无落点 / 无行动者格 / 无可见敌人”时返回 14 维而不是 15 维，导致第一轮只生成 838 局。修复为固定 15 维并加回归测试；已生成的 838 局都不含这条分支，不受影响、不重生成，补齐 362 局后 1200 局 0 失败。这是软件错误的修复，不是按结果挑数据。
训练与测试各一次，无重跑。

局限与原因分析

已确定： 新特征让移动排序明显变好（类内 Top-1 0.15 → 0.34，约随机的 9 倍；距教师落点 1 格内 27% → 48%）。
已确定： 完整菜单得分被动作类型选择拖累——类内排对 34%，完整菜单只有 14%，说明不少教师选移动的时刻，模型选了攻击、施法等其他类型。
欠拟合而非过拟合： 训练集自身移动 Top-1 也只有 0.178，训练损失 20 轮后仍在下降。
未验证的解释： T 的移动依赖行动顺序和敌方下一步可达伤害，0069 只给了按速度和距离的近似可达计数；小模型和 20 轮也可能是限制。
只模仿一个规则教师，不是棋力检验；GPU 训练非逐位确定，复跑数值可能有小差异。

结论与下一步

按冻结协议结案：可学门槛未过，不在本实验内改结构、特征或轮数。“新特征有效”的结论保留。原计划在可学通过后做的小规模真实对战本次不启动。后续先诊断“为什么拟合不上”（见实验 0230）。