给分类器装上游戏 AI 的「局感」会怎样
来源：dev.to — 2026-10-20
📋 概述
作者在自写的 Rust 复古防御游戏 Signal / Siege 里做实验：目标接近基地，有些是敌意目标，有些应该安全通过，防御手段有扫描、拦截、开盾，能量有限。这产生两个耦合问题——判断来的是什么，以及决定怎么应对。他对比三种方案：贝叶斯分类加效用打分、Jev 分类加简单规则、Jev 分类加动作评分与短期预测。实机演示里贝叶斯与混合方案活下来，纯规则方案丢了基地；256 个新种子的离线回放中，规则方案赢 112 局，加入动作评分与预测后升到 255 局。
🔑 核心要点
- 能量有限意味着「等一等」有时比立刻行动更优，这需要系统层面的代价评估。
- 核心分工：分类器贡献判断，外围系统管理时机、成本与后果。
- 作者明确声明这是回放实验而非数百场在线对局，结论不构成分类器的通用排名。
- 贝叶斯基线还额外知道游戏的合成观测模型，在这个设定里占了便宜。
💡 金句
“A classifier contributes a judgment, while the surrounding system manages timing, costs, and consequences.”
译：分类器贡献的是判断，而时机、代价与后果由它周围的系统来管。
← 返回 dev.to 首页