游戏 AI 的实验结果只有在不同实现所面对的决策问题完全相同的前提下才具可比性。看似微小的表示选择会通过改变动作概率或合并具有不同结果的状态，悄然改动问题本身。本文通过 CoToan——一种面向越南数学象棋的可执行规范与表示契约，研究了这一问题。CoToan 将 GDL（Game Description Language）与 OpenSpiel 对接，采用 动作的状态转移 而非算术证明作为表示，并把剩余时间和胜负配置视为任务身份的一部分。该棋局具有单次捕获可对应多种算术解释、得分规则以及有限游戏时限等特性，使其成为检验表示差异的理想案例。我们在数百个随机与构造的局面上进行跨表示测试，验证了合法动作、后继状态和终局结果的一致性，并通过穷举 32 种操作符掩码和 512 种对手材料子集进一步确认。诊断实验表明，若仅在证明层面均匀抽样会改变终点动作概率；若省略剩余时间或胜负设置，则会把行为不同的状态错误合并。结果表明，动作语义、时间信息以及胜负配置并非实现细节，而是实验任务本身的组成部分，必须显式表示以实现可复现的游戏 AI 评估。
点评