Deep Reinforcement Learning (PPO)
神經網絡自主強化學習戰情室 (RL Neural Lab)
採用 256 維歸一化全域觀測向量與 100 維合法動作遮罩，Actor-Critic 雙頭神經網絡透過勢能差值獎勵（Potential-Based Reward）進行政策梯度（PPO）迭代學習。
IDLE
對局總量 (Episodes)
0
總步數: 0 steps
滾動勝率 (Win Rate)
0.0%
最近 50 局 vs SmartBot
平均勢能獎勵 (Avg Reward)
0.00
淨得失分勢能差值
最新損失 (Loss)
--
Entropy: --
實時勝率曲線 (Rolling Win Rate %)
自動每 1.2 秒更新
動作類別動態分佈 (Action Distribution)
點擊上方「Start Training」開始觀測
各牌組戰術與勝率分析 (Per-Archetype Breakdown)
獨立統計各牌組對局數、勝率、特性使用率、撤退頻率與能量節奏
| 牌組名稱 (Archetype) | 對局數 (Eps) | RL 勝率 (Win Rate) | 特性率 (Ability) | 撤退率 (Retreat) | 貼能量 (Attach) | 攻擊率 (Attack) |
|---|---|---|---|---|---|---|
| 訓練進行中，正在累積各牌組數據... | ||||||
Benchmark Arena
RL 模型 vs MCTS 30 同牌組基準評測對決
雙方使用同一套牌組（鏡像對弈），讓受訓模型正面挑戰蒙特卡羅樹推演 (MCTS 30)。
Sims:
訓練牌組池管理 (Training Deck Pool)
當前 RL 隨機輪換採樣之鏡像牌組清單。可隨時自預設或自訂庫加入新牌組。
最新一盤對局決策重放 (Recent Match Decision Stream)
尚未開始訓練對局。點擊「Start Training」即可啟動神經網絡自主訓練。