07 / EXPLORE OR EXPLOIT

下一趟,还去那里吗?

30 次探测,5 颗未知星球。是再挖一次,还是换个地方碰碰运气?

首次探索

新线索 / BAYESIAN UPDATE

六成命中,就一样靠谱吗?

两份日志,一条新反馈。看判断怎样改变,不先背公式。

一趟小挑战 / SAME CLUES, DIFFERENT CHOICES

同一份线索,你会怎么选?

直接玩 30 趟自由探索 ↓

接手一份已有 20 次探测的航海日志。第 21 趟,你想去哪里?
你和算法拿到完全相同的线索,都不知道下一趟有没有矿。

固定案例 · 星域 265 · 原始记录可复现。实测比例不等于真实产矿概率;本挑战独立于下面的自由探索,不计入它的次数和成绩。

剩余探测30/ 30
已获矿石0
点一颗星球,派出探测器
探测站

这里没有地图。第一趟,凭直觉选就好。

三猫带回的线索

等待第一条线索

还没有完成的探测。先选一颗星球。

你的航行记录◆ 有收获 · · 空手归
    回到同线索挑战 ↑

    每趟消耗 1 次机会。先用 Tab 聚焦这里的星球,再按 1–5 也能出发。
    不是越漂亮越富矿,星球外观与产量无关。

    玩过以后,再认识它

    好结果,不一定来自好判断。
    坏结果,也未必是坏选择。

    去 AI 决策数学继续学 ↗
    1. 刚才挖空了,还去吗?

      一次空手,不代表没有矿。你看到的是样本,不是星球真正的产量。

    2. 总去最赚的,会错过什么?

      探索花掉眼前的机会,也可能发现更好的去处。这就是「探索与利用」。

    3. 算法也在猜。

      它们没有矿藏地图,只是用不同方法把已有反馈变成下一次选择。

    这局游戏背后的算法与边界

    这是多臂老虎机(multi-armed bandit)的矿星比喻,不涉及真实金钱。每颗星球的产矿概率在一局内固定,五个概率是 15%、30%、45%、60%、80%,开局随机分配。每趟收获是独立的 0 或 1 块矿石,不存在越挖越少或保底。

    三个策略都先按顺序各探一次。守成派(greedy)选实测平均收获最高的;冒险派(ε-greedy)每次有 20% 概率均匀随机选星球,否则选实测最好的;好奇派(UCB1)选「平均收获 + √(2 ln 总次数 / 该星球次数)」最大的。相同分数优先选编号小的星球。这里固定 ε=0.2,不宣称渐减 ε 策略的理论保证。

    所有 30×5 个潜在结果在开局时生成。相同星域和选择顺序可以复现;赛后才运行并展示对照,策略无法偷看未来或真实概率。赛后显示的产矿概率是模拟器设定,不是由这 30 次实验准确估计出来的。

    灵感延续陈全 GenAI Learning OS 的「先判断、看反馈、再解释」,算法和界面独立实现。UCB1 参考 Auer、Cesa-Bianchi 与 Fischer(2002)↗。原生 HTML/CSS 插画,没有第三方素材。

    纯浏览器本地计算,无账号、上传、追踪或自动保存。切换标签页或打开帮助会取消尚未到达的探测,不扣次数;回来不会自动出发。减少动画时点击立即结算。刷新会开始新局;重玩同一局会标记为复盘,不再作为盲测。

    ← 回到学习路线,看看下一步

    带着好奇心出发。

    1. 点一颗星球,花 1 次机会,带回 0 或 1 块矿石。
    2. 观察「矿石 / 探测次数」。刚开始的数据很少,不一定靠谱。
    3. 选择继续挖,或试试别处。你有 30 次机会。
    4. 结束后揭晓矿藏,也看看三种算法在这局拿到了多少。
    5. 点「逐趟看选择与理由」,切换策略和回合。先看出发前的样本,再看选择理由,最后看实际收获。

    上方「同一份线索」挑战先选星球,再看算法理由与模拟结果;不影响自由探索的成绩。两个区域均可用 Tab 和 Enter。只有自由探索的星球获得焦点时,数字键 1–5 才会出发。重玩同一局是已知历史的复盘;换片星域才是新一轮探索。没有自动保存。