1. 本來只想疾走打臉，結果長出一座研究所
最初的問題非常單純：現在什麼牌組最強？收集公開牌組、固定規則，讓CPU互毆幾萬場，最後看排名就好。
現實很快給出第一個答案：能正確執行規則的AI，不等於會打牌的AI。 Set 8固定了826張卡、engine commit、environment hash、合法牌組與seed。歷史baseline 12,480場已做到rule coverage 100%、unsupported 0、rule gap 0，但原始AI仍然給出皇家約79.8%、精靈63.7%、龍60.9%、巫師25.6%的異世界成績。
把錯誤重複一萬次不會變成真理，只會做出一台非常穩定地犯錯的機器。
2. 加入人類經驗後，AI反而更弱
human-prior-v1加入保留重要資源、尊重setup、保護勝利路線、不要亂花進化資源等常見原則。exact A/B包含2,016 paired units與4,032 engine games。baseline為50.99%，human-prior-v1為49.36%，下降-1.64pt。
AI聽了人類建議，成績更差。
原因是人類建議有上下文。「留這張牌」在本回合不用就會死時當然不成立；「搶場」也不是叫你把唯一的combo路線拆掉。固定weight保留了句子，卻把條件先送進墓場。
3. Adaptive v2提高平均，卻把巫師打壞
Adaptive v2在LETHAL、SURVIVE、STABILIZE、SETUP、RESOURCE、PRESSURE等目標之間切換，並加入短搜尋、隱藏手牌近似與future value。整體相較v1為+0.74pt，但Runecraft下降-6.25pt，突破預先登記的leader floor -5pt，因此REJECT。
後續T11相較v1為+0.30pt，但相較reference-v5為-2.38pt，Abyss更是-16.67pt，再度REJECT。
平均成績看起來及格，打開考卷發現有一科正在燃燒。
4. 做根因分析時，研究員先被逮捕
先發現一個真的implementation defect：max_nodes=160沒有真正接到planner，導致9,067個decision超過名義上限。但接好後，廣泛對戰表現仍沒有改善。
更大的事故是actor attribution。一項被標示為「loss→win」的介入，是以fixed player視角正規化；從真正改變行動的actor視角來看，其實是win→loss。研究員把受害者當犯人抓了。
actor、direction與invariant修正後，分析平台更安全了，但AI表現的真兇仍然在逃。
5. 31,406場後，「還不知道」成為正式結論
Set 8方策研究最終包含20項實驗、31,406場確認的actual engine games。439個discordant units中，完整因果解釋表現原因的為0，部分解釋11，未解決428。
研究以PAUSED_COMPLETE_NO_PROMOTION結束，active仍為human-prior-v1，原定8,064場final unseen holdout完全沒有使用。
成果不是「超級AI」，而是不會因為某張漂亮圖表就錯誤晉升AI的研究裝置。
6. 接著讓52套市場牌組打了46,900場
市場corpus包含52 decks、25 archetypes、7 leaders。quick、broad、1～3張局部最佳化、unseen-seed排名與guide trace合計形成46,900場actual engine games。
最後7套推薦牌組再進行直接round robin：21 unordered pairs、1,512 games，每個非對角cell 72場，reference-v5與human-prior-v1各756場，先後手各756場。coverage 100%，unsupported、rule gap、hidden-info violation全部為0。
7. 「無腦互毆排名」誕生
| 排名 | 推薦牌組 | 直接7×7平均 | 最差對局 |
|---|---|---|---|
| 1 | Buff Forest | 71.99% | Abyss 59.72% |
| 2 | Rally Sword | 65.97% | Forest 31.94% |
| 3 | Midrange Abyss | 54.17% | 40.3% |
| 4 | Artifact Portal | 54.17% | 36.1% |
| 5 | Ramp Dragon | 53.70% | Forest 25.0% |
| 6 | Evolution Haven | 31.71% | Dragon 12.5% |
| 7 | Calgidensula Witch | 18.29% | Forest 1.4% |
凡是「現在下強牌、現在解場、現在打臉」通常也不會破壞未來的牌組，目前AI就比較會玩。需要用當前tempo交換兩三回合後爆發的牌組則更困難，因此得到「無腦互毆排名」這個非常不學術、卻意外有解釋力的名字。
8. 人類比賽裡，巫師像住在另一個宇宙
2026年8月8日Dexel Rising Cup #2共有64隊、192人、提交384套牌組。魔手巫師有116套，約占30.2%，明顯第一；AF疾走Portal 52、進化主教34、協作進化皇家29、Ramp Dragon 25。
人類高端環境把魔手巫師視為頂級meta；AI直接7×7中的Calgidensula Witch卻只有18.29%，排名最後。兩者不能直接假設是完全相同的40張牌，但「人類很強、現AI不會玩」的落差非常巨大。
Rally Sword則在人類與AI兩邊都強。於是出現一個粗糙但實用的推論：簡單AI也強＋高手也強，可能代表對操作失誤較有容忍度。
9. Future Optionality全面監査
7個leader、24個mechanics被拆成RULE、STATE、VISIBILITY、IMMEDIATE VALUE、FUTURE VALUE、SEQUENCE、SEARCH、PLAN八層。
27,810個decision、118,575個root candidate中，只有8,878個——7.49%——帶有明確future value。24/24的rule、state與immediate value都SUPPORTED，但sequence有23/24 MISSING，plan有20/24 MISSING。
結論非常直接：AI知道規則，也懂「現在賺不賺」，但幾乎沒有順序與長期計畫。
10. 巫師：知道Spellboost存在，不等於理解Spellboost
Spellboost的rule/state存在，但visibility與future value為PARTIAL，sequence/plan為MISSING。尤其DRAW → SPELL與SPELL → DRAW會產生不同未來：先抽到的牌可能吃到後續boost，後抽到的牌不會回頭補上已經發生過的boost。
12個synthetic fixture中，DRAW_FIRST_BETTER=4、SPELL_FIRST_BETTER=0、EQUIVALENT=8。50個實際代表state的總結為STATE_DEPENDENT。所以正確方向不是新增「永遠先抽牌」的無腦規則，而是抽到之後重新規劃。
11. 龍：PP+1買的是未來行動權
Ramp現在可能虧場面，但max PP+1會解鎖下回合更高費牌、多牌組合、回復、解場與終結手段。尤其6→7會跨過Awakening門檻。
Future Optionality監査記錄了Dragoncraft MYOPIC_REVERSAL共12件：ramp 6＋Awakening 6。即時control原本較高，但t+2 diagnostic continuation有時會反轉排名。
當然不能因此hard-code「ramp +10」，否則只是發明另一種笨AI。
12. 其他五個職業也有同一種疾病的變體
Forest有combo threshold、低費生成與bounce順序；Sword有Rally 9→10與multi-summon；Abyss有Shadows、reanimate pool內容與HP資源；Haven有Countdown與Act，其中「現在不用」本身就是保留未來選擇；Portal的0費token與copy會讓同回合sequence space爆炸。
EP、SEP、Extra PP、9張手牌上限、5個場位、5個leader area槽位，也都是「現在花掉」與「保留未來選擇權」之間的交換。
13. 於是真的做了三回合closed-loop planner
新planner強制實際推進至少三個future turn boundary，不是三個action，也不是三張牌。同時不固定三回合腳本：只執行一個action，觀察draw、generation、random結果，再從新state重新計算三回合。結構接近Receding Horizon / Model Predictive Control。
它不偷看未來自己的抽牌順序，也不看對手真實手牌，而使用belief sampling。FutureRelevantState保存Spellboost、Extra PP、Countdown、Act、Rally、Shadows、destroyed follower pool等公開資訊。沒有任何fixed optionality、Witch或ramp bonus。
14. 實作成功了，表現往地下室衝
Ablation只有56場actual engine games，但實作完整性很高：3,979 / 3,979 root action全部評估，three-turn completion 100%，hidden-info violation 0；observation replan 81,621次，plan change 35,821次。
然而base/widen相對human-prior-v1為**-37.5pt**，replan/state/robust為**-25.0pt**。所有candidate都突破預先登記的-10pt floor，因此正確判定為REJECT_ACTIVE_UNCHANGED。targeted、balanced broad、market 7×7、final holdout全部NOT_RUN。
我們成功做出一台看得更遠、卻更有自信地選錯未來的AI。
15. 這不代表「三回合已經足夠」
被排除的是「implementation根本沒有看到三回合」這個疑點，不是「三回合在策略上一定足夠」。另外base -37.5→replan -25.0雖然方向有趣，但每個candidate只有8 conditions，不能直接做因果結論。
舊Dragon 12個MYOPIC_REVERSAL用真實三回合engine search重放後，只有1/12真的改成ramp排名更高。舊proxy顯然不是ground truth。
新的主要嫌疑人變成：替三回合leaf打分的terminal/leaf evaluator，以及tree中的opponent response model。
16. 下一個問題：「你說這個未來是-150分，那從這裡真的打100場會贏幾場？」
下一輪不先改weight。先固定每個三回合leaf，把evaluator拆成raw feature→normalization→weight→contribution，特別追查-150級極端值到底是哪個term造成的。
接著從同一個leaf重啟32～128次直到terminal，建立empirical win rate。raw score不是機率，因此先做score→probability calibration，再測Brier score、log loss與reliability；排序能力則另外用Spearman、Kendall、same-root argmax accuracy、pairwise concordance與decision regret。
最後讓opponent response在human-prior-v1、reference-v5與search-based stress response之間cross-play。如此才能區分：leaf打分錯、對手模型錯、scale/weight錯、state representation不足，或三回合仍然太短。
17. 結論：未來看得見，評分表很可疑
AI已經從「現在什麼最強？」進化到「我真的能模擬三回合」，但我們仍不能相信它如何判斷看見的未來是好是壞。
旅程從皇家79.8%開始，經歷人類建議反向最佳化、巫師崩壞、actor bug、46,900場市場分析、Future Optionality監査，最後真的裝上三回合預知。
然後它變得更弱。
本來只想疾走打臉，下一門課卻叫Brier score與leaf-value calibration。這到底是《闇影詩章》還是研究所？
資料附錄
- Set 8 card DB: 826
- baseline: 12,480 games
- policy research: 31,406 actual engine games
- status:
PAUSED_COMPLETE_NO_PROMOTION - active:
human-prior-v1 - market: 52 decks / 25 archetypes / 7 leaders
- market analysis: 46,900 games
- direct 7×7: 1,512 games
- optionality audit: 27,810 decisions / 118,575 candidates / 7.49%
- sequence MISSING 23/24; plan MISSING 20/24
- Dragon reversals: 12 = ramp 6 + Awakening 6
- RH3 Ablation: 56 games
- root coverage: 3,979/3,979; completion 100%
- replans: 81,621; plan changes: 35,821
- result:
REJECT_ACTIVE_UNCHANGED - final holdout:
NOT_RUN
參考資料
- Shadowverse: Worlds Beyond官方Deck Portal與職業機制頁
- Dexel Rising Cup #2環境報告
- Silver & Veness (2010), POMCP
- Cowling, Powley & Whitehouse (2012), ISMCTS
- Model Predictive Control / Receding Horizon Control
- Brier score、reliability與clustered validation研究
