Abstract
摘要
Zusammenfassung
We compare a revised policy with two references using matched stochastic conditions and mirrored roles. Two completed October 2026 comparisons each contain 60,000 independent pairs. Positive point estimates are accompanied by intervals spanning zero; neither comparison establishes an improvement.
在随机条件匹配、角色镜像的实验中,将修订策略与两个参考版本比较。2026 年 10 月完成的两组比较各包含 60,000 对独立样本。两组点估计均为正,但区间均跨零,尚未建立改进结论。
Eine revidierte Policy wird unter identischen Zufallsbedingungen und gespiegelten Rollen mit zwei Referenzen verglichen. Zwei abgeschlossene Vergleiche vom Oktober 2026 umfassen jeweils 60.000 unabhängige Paare. Beide Punktschätzer sind positiv, ihre Intervalle enthalten jedoch null; eine Verbesserung ist nicht nachgewiesen.
Mathematical definitions
数学定义
Mathematische Definitionen
Research question
研究问题
Forschungsfrage
A decision depends on private observations, previous actions and the behavior of other agents. Consequently, matching a reference action and obtaining a favorable interaction outcome are different evaluation targets. This study asks whether a policy revision changes mean utility under a fixed multi-agent evaluation procedure.
决策依赖私有观察、历史动作及其他智能体的行为。因此,复现参考动作与获得更高交互收益是两类不同的评价目标。本研究考察:在固定的多智能体评估程序下,策略修订是否改变平均效用。
Entscheidungen hängen von privaten Beobachtungen, bisherigen Aktionen und anderen Akteuren ab. Referenzaktionen zu reproduzieren und günstige Interaktionsergebnisse zu erzielen sind daher unterschiedliche Ziele. Untersucht wird, ob eine Policy-Revision den mittleren Nutzen unter einem festen Bewertungsverfahren verändert.
Experimental design
实验设计
Versuchsaufbau
Each pair uses the same underlying random scenario in two interactions, with the policies exchanging roles. Six agents participate, three per policy. Roles rotate across pairs. Both comparisons reuse the same 60,000 scenarios, yielding 120,000 interactions per comparison. The pair, rather than an action or an individual interaction, is the independent sampling unit. The two comparisons are dependent and must not be pooled as 120,000 independent pairs.
每对样本由两次交互组成,两次使用相同的底层随机情境,并交换策略角色。六个智能体参与,每个策略占三个角色,角色安排在样本间轮换。两组比较复用同一批 60,000 个情境,每组产生 120,000 次交互。独立统计单位是样本对,而不是动作或单次交互;两组比较相互依赖,不能合并称为 120,000 对独立样本。
Jedes Paar enthält zwei Interaktionen mit demselben Zufallsszenario und vertauschten Policy-Rollen. Sechs Akteure nehmen teil, drei je Policy; die Rollen rotieren. Beide Vergleiche verwenden dieselben 60.000 Szenarien und jeweils 120.000 Interaktionen. Unabhängige Einheit ist das Paar, nicht die Aktion oder Einzelinteraktion. Die Vergleiche sind abhängig und dürfen nicht als 120.000 unabhängige Paare zusammengefasst werden.
Policy completion and controls
策略补全与控制条件
Policy-Vervollständigung und Kontrollen
Missing supported policy mass invokes the same deterministic passive completion on both sides. No random aggressive completion is introduced. Input identities were checked before and after evaluation. Integer settlement and zero-sum conservation were independently checked: no completed interaction had a nonzero residual. These controls establish execution consistency, not strategic optimality.
当有效策略质量缺失时,双方使用相同的确定性保守补全,不引入随机激进行为。评估前后核对输入身份;另行核查整数结算与零和守恒,完成的交互中没有非零残差。这些检查证明执行一致性,不证明策略最优。
Fehlt unterstützte Policy-Masse, gilt für beide Seiten dieselbe deterministische passive Vervollständigung, ohne zufällige aggressive Aktionen. Eingaben wurden vor und nach der Bewertung geprüft. Ganzzahlige Abrechnung und Nullsummenerhaltung wurden unabhängig kontrolliert; keine abgeschlossene Interaktion hatte einen Rest. Dies belegt konsistente Ausführung, keine strategische Optimalität.
Statistical interpretation
统计解释
Statistische Einordnung
Utility uses the original fixed reference unit U without numerical rescaling and is reported per 100 policy-role interactions. The revised policy is R3; R2 and Original denote the two reference versions. Both paired 95% intervals include zero. The observations therefore remain compatible with either a small loss or a positive effect. Failure to establish improvement is not evidence of equivalence. These are pointwise intervals; no multiplicity-adjusted confirmatory claim is made.
效用沿用原实验固定参考单位 U,不做数值重标度,以每 100 次策略角色交互报告。修订策略记为 R3,两个参考版本记为 R2 与 Original。两组配对 95% 区间均包含零,观测仍同时容许小幅下降与正向效应。未建立提升不等于证明等效。这些是逐比较区间,不提出经多重比较校正的验证性结论。
Der Nutzen behält die ursprüngliche feste Referenzeinheit U ohne numerische Umskalierung und wird je 100 Policy-Rollen-Interaktionen berichtet. R3 bezeichnet die Revision, R2 und Original die Referenzen. Beide gepaarten 95%-Intervalle enthalten null; kleine Verluste und positive Effekte bleiben vereinbar. Fehlender Verbesserungsnachweis bedeutet keine Äquivalenz. Es sind punktweise Intervalle, keine multiplikitätsbereinigten konfirmatorischen Aussagen.
Limitations
研究局限
Grenzen
The benchmark is a finite, six-agent imperfect-information environment with zero-sum utility and the stated completion rule. The result does not measure real-time search, deployed user outcomes, exploitability or transfer to another domain. Earlier action-agreement replays use different observations and answer a different question. They are retained separately as historical data.
基准是有限的六智能体不完全信息环境,采用零和效用与上述补全规则。结果不衡量实时搜索、用户实际使用效果、可剥削度或跨领域迁移。较早的动作一致性回放使用不同观察,回答不同问题,另列为历史数据。
Der Benchmark ist eine endliche Umgebung mit sechs Akteuren, unvollständiger Information, Nullsummennutzen und der genannten Vervollständigung. Er misst weder Echtzeitsuche noch reale Nutzung, Ausnutzbarkeit oder Domänentransfer. Frühere Aktionsübereinstimmungsstudien verwenden andere Beobachtungen und beantworten eine andere Frage; sie werden separat historisch geführt.
Completed comparisons: 15 October 2026
完整比较:2026 年 10 月 15 日
Abgeschlossene Vergleiche: 15. Oktober 2026
| Comparison比较Vergleich | Pairs样本对Paare | Δ̂ | 95% CI |
|---|---|---|---|
| E20261015-A R3 − Original | 60,000 | +5.5004 | [-1.7253, +12.7261] |
| E20261015-B R3 − R2 | 60,000 | +2.6058 | [-0.0998, +5.3115] |
Both intervals contain zero; improvement is not established. The comparisons share scenarios and are not independent replications. Intervals are pointwise, without adjustment for multiple comparisons.
两组区间均包含零,尚未建立提升结论。比较共用情境,不是独立重复实验。区间为逐比较区间,未经多重比较校正。
Beide Intervalle enthalten null; eine Verbesserung ist nicht nachgewiesen. Die Vergleiche teilen Szenarien und sind keine unabhängigen Wiederholungen. Die Intervalle sind punktweise, ohne Korrektur für Mehrfachvergleiche.
References and data
参考文献与数据
Literatur und Daten
Rhythmlag Lab. Revised paired evaluations, 15 October 2026: E20261015-A and E20261015-B. The data page records units, denominators, completion counts and result digests.
Rhythmlag Lab,2026 年 10 月 15 日修订成对评估:E20261015-A 与 E20261015-B。数据页记录单位、分母、补全计数及结果摘要校验值。
Rhythmlag Lab. Revidierte gepaarte Bewertungen vom 15. Oktober 2026: E20261015-A und E20261015-B. Die Datenseite dokumentiert Einheiten, Nenner, Vervollständigungen und Ergebnisprüfsummen.
Data and measurement definitions数据与测量定义Daten und Messdefinitionen