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?
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。
小课 / BELIEF IS NOT CERTAINTY
同样六成命中,
谁的证据更扎实?
样本命中率都写着 60%。但你对真实产矿概率的把握,也应该一样吗?
固定教学对照,不是本局成绩。两边都使用同一个弱先验;这里单独假设真实成功率可在 0–100% 之间,且一段观察内不变。
比例一样,不确定性不一样。
对未知成功率的相对支持(概率密度)
横轴:真实产矿概率可能是多少?不是下一趟的矿石数量。
为什么不是两个 60%?下次预测由同一个 Beta(1,1) 先验与已有观察共同算出;数据越少,先验相对影响越大。更集中不代表真实成功率一定更高。
新证据要和旧证据一起看。
A · 3/5 → 3/6
B · 18/30 → 18/31
虚线=更新前,实线=更新后。所有图都固定横轴 0–100%、密度纵轴 0–6,没有用缩放制造“大变化”。这两条空手反馈是明示的教学条件,不重抽,也不消耗自由探索次数。
实测都是 0%,下一趟预测不同。
本次对照已完成 / NOT A MASTERY CERTIFICATE
这趟,你带走了什么?
- 同样的样本比例,不代表同样的证据强度。
- 新反馈与原来的相信、旧观察共同决定下一步判断。
- 曲线是模型里的不确定性,不是“真相已被保证”。
把这次判断,带回学习路线
带回的只是本课选择与计算。回到 GenAI OS 后还需核对、由你确认保存,再复盘;不会自动给能力加分。
留下这轮真实记录
只导出固定小课,不读取原探索、草稿或个人资料。可以自己保留,也可以主动交给自己的 AI 陪练。
先验、证据和后验,具体怎样算?
共同先验 p∼Beta(1,1),表示本课起初对 0–100% 的成功率采用均匀分布;这是建模选择,不是真实多挖了两次。观察 s 次有矿、f 次空手后,后验为 Beta(1+s,1+f),下次命中预测为 (1+s)/(2+s+f)。
区间是由 Beta 分布累积分布函数反算的 90% 等尾可信区间;它依赖本课固定成功率、条件独立及先验假设,不是现实命中保证。原自由游戏仍用固定五种候选概率与原 UCB1 规则,这里不声称在它的排列先验上做推断,也不评估你的掌握程度。
纯本地计算,无新保存、上传、学习进度或外部 AI 调用。贝叶斯推断教材 ↗
这里没有地图。第一趟,凭直觉选就好。
看看算法的选择 ↓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。
- 这趟之前
- 这趟之后
这里只比同一颗星球。样本比例不等于真实产矿概率,其他星球的记录未变。
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。
你
每一次都是你的判断
守成派
先各试一次,之后只挖实测最好的
冒险派
先各试一次,之后 20% 随机探索
好奇派
UCB1:奖励高,也照顾还没摸清的
同一轮、同一颗星球,所有人的潜在收获相同;但各自只能看到自己探到的结果。30 次是一局小游戏,不是算法排名。运气会影响输赢。
回到做决定的那一刻
这一趟,为什么去那里?
让算法亲自飞一遍:看样本、选星球、带回矿石,再更新判断。这是本局真实选择的演示,不会改动你的成绩。
从当前趟开始;想看完整过程,先点「从头开始」。
查看这一趟的完整依据与结果
01 · 出发前,只知道这些
| 星球 | 矿 / 次 | 实测均值 | UCB 分数 |
|---|
实测均值 = 已获矿石 ÷ 已探次数。它是有限样本,不是真实产矿概率。
UCB 分数 = 实测均值 + 探索加分;加分照顾样本较少的星球,不是产矿概率。展示四舍五入,选择使用完整精度。
02 · 当时的选择
03 · 到达后,才知道结果
一次挖空不能证明选错,一次收获也不能证明策略更好。
- 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。
- 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」。
- 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。