平衡推荐
从输出"仿真结果"升级到输出"推荐"。第一阶段不涉及寻优算法,只用 Sweep + 约束判定 + 敏感性。
输出形态
text
Current:
warrior.attack = 100
Recommended:
96 ~ 101
Reason:
- Win Rate 当前超出目标上限,需要下调攻击力
- D7 Progression 在下调后仍处于目标区间
- 经济影响微小
Confidence:
High区间从哪来:插值
连续区间必须由插值给出
步长 5 的网格上只有 95 / 100 / 105 三个点,"96~101"不可能直接从网格点读出来。推荐区间的生成规则:
- 对每条 hard 约束,取该约束指标沿参数轴的格点值(均值 ± CI);
- 约束边界(如 win_rate = 0.52)落在两个格点之间时,用线性插值(格点密或曲线平滑时二次插值)求边界对应的参数值;
- 所有 hard 约束的可行段取交集,得推荐区间;
- 区间端点标注"插值所得",CI 相交于边界的段标注 BORDERLINE。
MVP 只做单参数轴的插值推荐。多参数联合可行域需要代理模型或优化器,属后续阶段,不提前承诺。
置信度定义
"Confidence: High" 不是形容词,是判据:
| 等级 | 判据 |
|---|---|
| High | 所有 hard 约束 CI 完全在界内;推荐区间端点由显著弹性(区间不跨零)支撑 |
| Medium | 存在 BORDERLINE 约束,或区间端点附近弹性不显著(需加 replicates 复核) |
| Low | 任一约束 FAIL 后勉强交集为空,靠 soft 目标排序给出参考;或 R 过小导致 CI 过宽 |
效应量与 CI 的定义见 KPI 与指标。
排名与评分
text
排序键 1:hard 约束(可行 > 不可行;BORDERLINE 算不可行)
排序键 2:soft 目标加权和 score = Σ wᵢ · fᵢ(指标)同分区内部按 score 降序。报告必须同时给出 score 与各项指标明细,不允许只给分数。