从逐手判断到整局规划
无策 D4.0 · BP 模型升级
本文基于无策 D3.2 上线以来积累的 20,983 场真实对局样本， 诊断既有引擎的能力边界，并给出升级方案：在既有引擎之上接入规划层， 使每一手先确立本局目标、再在该目标下选择动作，让整局决策形成可回溯的因果链。
数据基础
Data Foundation无策 D3.2 上线以来，系统持续记录每一场对局中的每一次禁选与选人。截至本次迭代，累计收录 20,983 场对局样本，涵盖多种对局与轮次形式。
这些样本的价值不在数量，而在于它们是真实的对局行为——每一手都发生在真实的局势约束下，带有完整上下文：谁先禁、谁先选、全局 BP 下已经用掉了什么、这一局处于系列赛的第几场。这正是诊断与升级一个 BP 模型最需要的材料：不是静态的强度表，而是带有因果链的决策序列。
| 项目 | 数值 | 说明 |
|---|---|---|
| 累计对局 | 20,983 场 | 无策 D3.2 累计记录 |
| 决策事件 | 356,711 次 | 单局 17 个决策点 |
| 英雄槽位 | 419,660 个 | 禁选 + 选人合计 |
| 禁选 / 选人 | 各 209,830 人次 | 结构均衡，无偏斜 |
| 英雄池规模 | 139 名 | 系统当前英雄池 |
| 达样本门槛 | 103 名 | 样本量足以支撑统计结论 |
| 采样方式 | 持续累计 | 逐日递增，非静态快照 |
样本如何转化为能力
这些对局样本并不只是战绩记录，它们构成了一个闭环：对局产生样本，样本修正引擎，引擎再产生新对局。本次升级的主要诊断与验证，都建立在这个闭环之上。
样本的价值在于带因果链的真实决策序列，而非静态强度表。这决定了后续诊断只能从「前后手关系」入手，而不能继续在单点打分上调参。
D3.2 的能力边界
Baseline Diagnosis在上述样本上逐一复盘后，归纳出六类可复现的结构性偏差。它们全部源于同一个架构前提：逐手独立——每一步只看当下最优，多步叠加后彼此冲突。
每步都取当下最高分，多步叠加后互相冲突，出现「每手都对、整局走偏」。
禁选与选人各自计算、互不约束，出现「禁了一手却从不为它铺路」的空转动作。
把组合拆成两两独立计数，无法表达「必须成对才成立」的依赖结构。
缺少结构完整度约束，容易同类型扎堆，角色覆盖被强度压过。
中后段缺乏明确目标函数，禁选行为回落到热度排序，与己方计划脱钩。
所有人机使用同一套取向，无法表达强攻 / 反制等不同战术偏好。
偏差集中在「跨手能力」上
把六类偏差折算到同一归一化刻度，可以看到 D3.2 的短板高度集中：凡是需要跨手信息的能力都偏低，而单点强度类能力并不弱。这正说明问题出在架构，而非参数。
六类偏差共享同一根因：决策点之间没有共享状态。因此补丁式调参无法根治，必须在架构上引入跨手信息层。
改进思路
Approach针对六类偏差逐条给出设计取向。核心转变只有一句话：把「选什么」升级为「先决定要什么，再决定选什么」。
| D3.2 短板 | 改进思路 | 关键转变 |
|---|---|---|
| 逐手最优 ≠ 整局最优 | 全局目标统摄 | 从「每手最大化」转为「整局路径最优」 |
| 前后手缺少因果 | 动作因果闭环 | 每个动作必须能衔接到后续动作 |
| 组合关系只看共现 | 依赖结构建模 | 从「两两计数」转为「成对依赖」 |
| 成型靠强度堆叠 | 结构完整度引导 | 从「强度序」转为「结构完整优先」 |
| 次轮禁选退化 | 多目标权衡 | 同时权衡压制 / 保护 / 预判 |
| 风格单一 | 多档取向 | 均衡 / 强攻 / 反制 可切换 |
「计划」是本次升级唯一的新增中间层。它不改打分公式，只改决策点之间是否共享状态。
实现方式
Implementation既有引擎原样保留并作为最高优先级路径继续生效；规划层以可插拔方式叠加，仅在既有判断不足处补位。异常时自动回归既有路径。
三条工程原则
- 可插拔——规划层独立于既有引擎，可单独启用或关闭，不影响其它功能。
- 只增不减——既有能力不被改写；规划层仅在既有判断不足处补位。
- 可回退——任何异常自动回归成熟路径，可用性始终有保障。
新增能力以旁挂方式接入，而非改造主干。这保证了「能关掉、能回退、能对照」三件事同时成立。
对比验证
Comparison主要结论都回到那 20,983 场样本上做校验：给定完全相同的局势前缀，让 D3.2 与 D4.0 分别出牌，再逐维度比对。以下均为归一化相对水平。
| 维度 | D3.2 | D4.0 | 验证方式 |
|---|---|---|---|
| 开局规划能力 | 单点为主 | 全局铺开 | 同盘面前缀回放比对 |
| 长序列一致性 | 逐手独立 | 前后自洽 | 动作因果可回溯审计 |
| 组合关系理解 | 散点统计 | 依赖结构 | 依赖破坏场景回归用例 |
| 阵容成型引导 | 强度优先 | 结构优先 | 角色覆盖与完整度统计 |
| 次轮禁选策略 | 热度序 | 多目标 | 三目标命中率对照 |
| 风格适配 | 单一 | 多档 | 同盘面多取向输出对照 |
| 异常韧性 | 稳定 | 稳定 + 回退 | 故障注入不中断验证 |
同盘面前缀回放是唯一能同时度量两代引擎的方式：它对「选得准」与「说得通」都给出客观刻度。
决策推演示例
Walkthrough取一局典型对局，展示改进后的决策在各阶段的表现，并与 D3.2 在同位置的输出对照。
确立本局主轴ESTABLISH THE AXIS
先确立本局主轴，再由此推导后续动作。对照：D3.2 同位置按单点强度取解，与后续动作无关联。
结构化解构对手STRUCTURAL ADAPTATION
识别对手阵容的结构性依赖，优先取稳定且独立的解。对照：D3.2 无法区分依赖是否成立，依赖已断时仍会取用。
按序补全结构ORDERED COMPLETION
沿既定方向按序补全；首选不可得时平滑降级至次选。对照：D3.2 在此处退回纯强度排序，容易与已有结构冲突。
收官与自洽校验CLOSING & SELF-CONSISTENCY
次轮禁选同时权衡三重目标，且每一步均可回溯出完整脉络。对照：D3.2 次轮退化为热度排序，与己方计划脱钩。
结语
Summary20,983 场对局是本次升级的重要基础，也是其中最直接、可复核的一部分。D4.0 的意义不在于把某一手选得更准，而在于让每一手说得通——禁选与前后的选人互为因果，整局共享同一个计划。这正是 D3.2 架构中缺失的那一环。
规划层以可回退方式叠加，全部决策保持确定性与可复现性；既有能力原样保留，异常不中断出牌。数据仍在增长，每一场新对局都会成为下一次迭代的一部分。