R2—-- EXPLORATORY RESEARCH / 探索研究
REWARDSTUDY02
奖励塑形能否更快逼近均衡，
而不是只让曲线看起来更漂亮？
CURRENT PHASE / 当前阶段
尚未启动 / AWAITING DATA
PRIMARY ENDPOINT / 主终点
EXPLOITABILITY
TELEMETRY / 数据遥测
CONNECTING
BASELINE FROZEN
TRAINING IDLE
PROTOCOL AMENDMENT / 结果后修订
POST-OUTCOME EXPLORATORY · NOT CONFIRMATORY
NO CANDIDATE PROMOTED.
Pilot 未支持任何奖励方案晋级；scaled 仅因非 control 方案中 AUC 最低、变换最简单而进入延长探索，
不代表 Pilot 支持其有效。
A
BASELINE
906fcb4 · FROZEN
B
GAME TREE
23,280 NODES
C
EXPLORATORY RUNS
0 / 20 PLANNED
D
COMPUTE NODE
CHECKING SIGNAL
PUBLIC TELEMETRY
R2—LIVE VERIFIED TELEMETRY
实时研究数据 / Live Run
CONNECTING
TREATMENT ARM
NO ACTIVE RUN
SEED
—
PROGRESS
0 / 20 RUNS
EXPLOITABILITY
—
PAYOFF VS RANDOM
—
THROUGHPUT / ETA
—
EXPLORATORY SERIES AWAITING START
探索运行启动后这里只显示当前 arm / seed 的真实 CSV 指标。
R2—01 BASELINE AUDIT
策略可利用度 / Exploitability
EXACT TREE
越低越好。 对 RandomAgent 的正收益不能代替这一指标；
当前 NFSP 虽能击败随机策略，但仍保留明显的最佳响应空间。
BEST VERIFIED
0.295
CFR · 20K ITER
RANDOM CONTROL
NFSP · 300K
CFR REFERENCE
R2—03 EXPERIMENT ARMS
Pilot 结论保持可见
NO CANDIDATE PROMOTED
TERMINAL
RLCard 原始终局 payoff，不做任何变换。
- SCALE
- 1.000
- ALPHA
- 0.00
SCALED
终局 payoff 除以 7，仅改变数值尺度。
- SCALE
- 0.143
- ALPHA
- 0.00
PBRS · LOW
冻结 CFR information-state potential，弱塑形。
- SCALE
- 0.143
- ALPHA
- 0.10
PBRS · MID
相同 CFR potential，更强探索引导。
- SCALE
- 0.143
- ALPHA
- 0.25
R2—04 RESEARCH SEQUENCE
从指标到论文证据链
IDLE · NO LIVE PHASE
-
01
FREEZE BASELINE模型、数据、代码版本只读封存
AWAITING DATA
-
02
VALIDATE BEST RESPONSE完整博弈树与 information-set 一致性
AWAITING DATA
-
03
BUILD REWARD LAYER缩放、PBRS、隐藏信息隔离测试
AWAITING DATA
-
04
RUN 50K PILOT4 arms × 3 exploratory seeds
AWAITING DATA
-
05
NO CANDIDATE PROMOTEDPilot AUC 与 50K 终点均未通过
AWAITING DATA
-
06
300K EXPLORATORY EXTENSIONterminal vs scaled · 10 paired seeds
AWAITING DATA
-
07
REPORT ALL OUTCOMES包括失败、偏差与协议修订
AWAITING DATA
TEST SUBPAGE / 测试子页面
本页每 3 秒读取一次云端脱敏状态；本机 publisher 每 10 秒上传一次。
正在检查真实数据链路。
页面不会把计划数据伪装成实时结果，也不会控制本地训练设备。
查看第一阶段实时页面 →