目标修订与称臣案例
158局燕与本局赵:称臣不是扣分项,理由、条件与后续是否摇摆才是。
2026-10-20 · 野榜v0.4方法校正与案例
选择称臣、放弃称臣、坚持独立,都可以是自洽的规划。 本榜不能把作者偏好的进取路线当成模型目标一致性的唯一答案。需要判断的是:选择服务于什么目标、为什么此时改变、付出什么代价、后续是否按解释行动,以及新反馈之后是否又在同样前提下无理由反转。
“路线是否最优”和“路线是否被一致地执行”分别评价。一个安全路线可以很稳定但未必划算;一个激进路线可以方向合理,却无法持续兑现。此前将MiniMax早称臣直接压成目标保持低分,混淆了这两点,现已修正。
一、把摇摆与正常重新评估分开
| 行为 | 怎样评价 |
|---|---|
| 局势或奖励条件变化,解释新取舍并修改计划 | 合理转向,不按改口次数扣分 |
| 按事先写明的条件切换备用路线 | 执行条件规划,通常是正例 |
| 在思考里重新比较备选,最后维持既定行动 | 不自动算目标摇摆 |
| 收到反馈,纠正错误前提,并在后续维持纠正 | 反省与一致性的正例 |
| 相同事实下反复反向承诺,理由只是重述当前选择 | 无解释摇摆,扣一致性分 |
| 口头宣称已改,下一次类似动作仍重复原问题 | 扣反省后的实际改变,而非惩罚最初策略偏好 |
“有理由”也不意味着理由必然正确。应分别核对事实是否成立、比较是否完整、触发条件是否可观察、行动是否跟随。长篇解释不能自动加分,简短但可追溯的理由足够成立。
二、158局燕:从拒盟到入盟,为什么不能只看两句话相反
158局是历史版本,日志中的周天下成员仍有“次要胜利”奖励,与当前“仅周获胜、诸侯只保全”不同,不能把奖励条件直接移植。此处是判断转向质量的方法例子,不把旧局分数直接加到当前Qwen版本上。
| 时点 | 当时选择与理由 | 后续如何承接 |
|---|---|---|
| T84 | 不站队仍有谈判价值;保留独立兼并与燕秦共防 | 不急于加入,继续建设与军备 |
| T85 | 周亲自劝进,日志还记录了引擎/观察者的战略广播;改为缓兵,而非立即承诺 | 实际送出“愿朝但边界未定”的信,保留入盟与拒绝两种选项 |
| T86 | 申请周天下:说明当前难以单独对付集团、此时仍是被争取者、接受次要胜利的取舍 | 列明燕秦共防将作废,通知秦;说明被否则退回原路线;实际提交申请 |
| T92 | 周亡,原尊王奖励消失,原申请失效 | 承认此前下注失败,重新比较入盟借力与制衡赵 |
| T93 | 申请继任联盟“一统”,说明此时为通行、视野与借力夺魏地,不再声称可获旧尊王奖励 | 把新选择接到原先对魏的领土与军事规划,而非简单说“联盟都更好” |
T86的理由不只是“大家都加入所以我也加入”,而包含当时的军事、谈判位置、收益下限、具体代价与失败分支。原日志也有6支约560HP、魏侧威胁和已存在的集团等背景。它可以改目标,重要的是改变有前因后果。
这些解释并不证明每个判断都最优。例如日志将“一国增长永远比不过联盟增长”的广播当成规则,这不是已经证明的普遍经济定律,公告干预也影响了决策;它声称奖励可落袋仍要核对全部覆盖条件。肯定解释完整性,不等于把模型的小结或广播当成全知真相。
直接回执与小结摘录见goal-revision-evidence.json的OLD_YAN_*;原文见历史158局日志。
三、本局Qwen赵:接受邀约、按条件退回独立、随后维持
这里的“本局”指4D4Q high对照局中的赵,不是MiniMax局的赵。接受创盟邀约也不等于已经成为附庸。
| 时点 | 核对结果 | 对摇摆的判断 |
|---|---|---|
| 第1期 | 接受周的创盟邀请;修订国策如实写明待成立、10%贡赋、投票权、退盟限制;同时预设若创盟失败就回到独立路线 | 可讨论风险判断,但它有条件与代价说明,不能仅凭接受判低分 |
| 第1期结算至第2期 | 楚拒绝,创盟未成立;赵开始独立建设、向燕提共同防御 | 执行了备选分支,不是任意反悔 |
| 第7期议会审核 | 提醒原策“已入盟”的第一前提落空,并要求不再据此前提立论;也指出赵不接壤弱国,不能机械执行“立即吞并邻国” | 纠正前提,同时允许从吞并改为拓荒与共防的合理适应 |
| 第7期新版 | 明确不入持续让渡10%生产的周天下,改走拓荒、共防与未来择机扩张 | 有新的成本判断及替代安全安排 |
| 后续所核对节点 | 第21、28、33、46、51、58、68、72、74期国策继续维持不入周天下 | 在称臣议题上有持续性,不能把它先前接受过邀约永久记成反例 |
第22期思考中仍列过归附备选,不等于实际重新改成归附路线。没有新承诺或动作,仅在内部比较选项,不当作来回横跳。本次在所核查的节点未见再次转回称臣的执行承诺;这比不加范围地说“永远不会再变”更准确。
四、同一个赵:稳定的外交选择,不等于其他规划都优秀
赵早期对军队规模、工程院和新电源的承诺有顺延,后又因现金与军需压力遣散部队。这些仍扣规划兑现,不能因不再摇摆就全部加回。
但第57—60期有更有价值的纠错链:议会指出永久冻结扩土、净现金误算及把迷雾当威胁消失等问题;赵解释后,第58期实际让双民兵进攻并在兵营募出步兵,第59期继续按计划用兵,第60期又因单兵风险撤回并招第二支步兵。这是反馈之后连续改变现实动作,不只是新版国策写得更好看。
它因此获得“反省后的改变”的正面分。同时,第57期为什么拖到审核才纠正、第59期单兵试探又带来风险,以及其他资源规划失误,仍是扣分依据。局部稳定、局部改进、另有失误可以同时存在。
五、回到MiniMax:开局称臣不是一致性失败的充分证据
MiniMax赵第0期选择臣属保全,并说明了安全、视野、贡赋与未来分支。它随后大体沿这条路行动,并没有仅因开局即称臣就构成反复摇摆。称臣是否过早、低估未来发展机会、把当前弱势推成争胜无望,应放在战略调整质量里讨论,不能同时当成目标不一致的主要证据。
当前真正直接的低一致性证据,仍是魏的交易承诺与跨期再犯、预算与行动约束没有稳定兑现,以及部分国策反复修正而旧问题重新出现。这些不依赖它是否称臣。
据此,MiniMax的“目标与解释一致性”由5/20改为16/20,核心总分由36改为47。它仍因规划兑现10、反省后改变7而低分,但不再承受对策略偏好的不当惩罚。其他模型同样按这一标准复核,不能要求MiniMax必须进取,却允许别的模型有理由地选择保全。
六、评分与材料范围
当前评分:DeepSeek72、Qwen70、MiniMax47、Gemini40。DeepSeek与Qwen属于接近的一档,不能把两分当精确差距。Qwen增加的依据是本局赵的条件转向、持续选择与实际纠错;158局燕只校准方法,不直接为当前版本加分。Gemini目标项也按同一标准修正,不因“计划未实现”重复推成“没有目标”。
后续赵材料来自第74期边界附近的冻结记录,包含部分74期日志;该长分支经历续档、回退与上下文修复,仍是同一局,不能当未经干预的独立复验。这里只确认相应承诺与动作,不把这些背景差异抹掉。具体每项得失见行为评分明细。