AlphaGo 架构技能
决策点
何时使用单个评估器 vs. 级联评估器
问题特征：
├── 搜索空间可处理 (b^d < 10^9)
│ └── 使用单个最佳评估器 → 标准优化
└── 搜索空间不可处理 (b^d > 10^12)
├── 有统一的评估预算
│ └── 使用级联近似：
│ 1. 快速剪枝（策略网络）→ 收窄波束
│ 2. 中等评估（价值网络）→ 估计质量
│ 3. 廉价探索（模拟）→ 广度覆盖
└── 非统一评估预算
└── 自适应分配：
├── 关键位置 → 昂贵评估
└── 常规位置 → 廉价启发式
准确度与延迟需求决策树
系统要求：
├── 延迟关键型（<1ms 响应）
│ ├── 准确度容忍度高（>10% 错误可接受）
│ │ └── 仅快速模拟（2µs/评估）
│ └── 准确度容忍度低（<5% 错误）
│ └── 缓存的策略网络 + 启发式回退
├── 延迟中等（1-100ms 响应）
│ ├── 需要高准确度
│ │ └── 价值网络（3ms）+ 策略网络引导
│ └── 平衡准确度/速度
│ └── 混合评估：λ=0.5 价值 + 模拟
└── 延迟容忍型（>100ms）
└── 完整级联：策略 → 价值 → 模拟，配合 MCTS
错误模式多样性评估
选择多个评估器时：
├── 所有评估器具有相似的失败模式
│ └── 使用单个最佳评估器（无多样性收益）
├── 评估器有互补错误
│ ├── 快速/噪声 + 慢速/准确配对
│ │ └── 混合 λ=0.3-0.7（偏向准确）
│ ├── 保守 + 探索配对
│ │ └── 混合 λ=0.5（等权重）
│ └── 学习 + 手工配对
│ └── 基于置信度分数的动态混合
└── 未知错误相关性
└── 实证测试：在保留集上衡量性能
失败模式
架构膨胀（检测：>5 个近似层）
症状：添加更多近似层但收益递减 根本原因：每层增加开销而无成比例准确度提升 修复：分析计算成本与准确度提升；移除投资回报率低的层 检测规则：如果增加第 N 层准确度提升 <5% 但延迟增加 >20%，则出现架构膨胀
同步耦合（检测：快速组件空闲等待）
症状：CPU 利用率下降，同时等待 GPU 评估 根本原因：快速搜索与慢速神经网络评估之间的紧耦合 修复：实现带陈旧值容忍的异步队列 检测规则：如果快速组件（搜索、模拟）空闲时间 >50%，则出现同步耦合
代理指标固化（检测：指标改善但性能下降）
症状：走子预测准确度提高但胜率下降 根本原因：优化模拟人类行为而非客观成功 修复：从监督学习切换到带真实目标的强化学习 检测规则：如果代理指标和结果指标连续 10 次评估趋势相反，则出现代理指标固化
单一评估器谬误（检测：拒绝“更差”的单个组件）
症状：因为价值网络具有更高的个体准确度而丢弃模拟 根本原因：假设最佳个体组件构成最佳系统组件 修复：经验性地测试混合性能；多样性通常胜过个体质量 检测规则：如果依据个体性能选择组件而不测试组合，则出现单一评估器谬误
统一预算分配（检测：对所有决策使用相同计算量）
症状：在明显走子和关键位置上花费相同的评估时间 根本原因：未将计算预算适应于决策重要性 修复：基于位置不确定性和结果敏感性实现自适应分配 检测规则：如果各位置的评估时间方差小于平均值的 20%，则出现统一分配
实战示例
为代码审查实现级联近似
场景：设计 AI 系统审查有 50-500 行变更的拉取请求，需要 <10s 响应时间，必须捕获 95% 的错误。
第一步：分析计算约束
- 静态分析：每个文件 10ms
- ML 错误检测器：每个文件 2s
- 深度语义分析：每个文件 30s
- 可用预算：总计 10s
第二步：应用级联决策树 根据“搜索空间不可处理”路径，因为穷举分析超出预算：
- 快速剪枝层（静态分析）：排除没有复杂性变更的文件
- 中等评估层（ML 检测器）：对剩余文件评分，评估错误可能性
- 昂贵分析层（语义）：仅对最高分文件进行深度分析
第三步：预算分配策略
- 保留 2s 用于对所有剩余文件进行 ML 评估
- 基于 ML 评分分配剩余 8s 给语义分析
- 评分 >0.8 的文件：每个 4s（最多 2 个文件）
- 评分 0.5-0.8 的文件：每个 2s
- 评分 <0.5 的文件：仅使用 ML 结果
第四步：混合评估实现 不使用“最佳”评估器（语义分析），而是混合 ML 和语义分数：
- ML 检测器：快速，擅长模式匹配，但遗漏新型错误
- 语义分析：慢速，捕获复杂逻辑错误，误报率高
- 混合 λ=0.6：
最终分数 = 0.6 * 语义 + 0.4 * ml
新手方法：对所有内容运行语义分析 → 前几个文件后超时 专家洞察：级联允许将昂贵计算仅用于最重要的地方，同时确保每个文件获得某种评估
质量门
[ ] N 个评估器已测试：实现并基准测试了至少 3 个具有不同速度/准确度配置的评估器 [ ] 错误相关性已测量：计算成对相关矩阵，显示评估器在测试集上的相关性 <0.7 [ ] 混合与单个已评估：实证比较显示混合性能优于最佳个体组件 >5% [ ] 延迟要求已满足：完整级联下，第 95 百分位响应时间低于指定阈值 [ ] 准确度要求已满足：保留集上的错误率满足指定阈值（例如，<5% 假阴性率） [ ] 预算分配已分析：计算成本分解显示预算根据决策重要性进行分配 [ ] 失败模式已测试：在对抗条件下（分布偏移、资源约束、边缘情况）测试系统 [ ] 异步协调已验证：即使慢速组件饱和，快速组件的利用率仍保持 >80% [ ] 可扩展性已验证：负载增加到标称容量的 10 倍时，性能优雅降级 [ ] 监控已配置：指标跟踪代理与结果的校准、组件利用率和级联有效性
非适用边界
不要将此技能用于：
- 具有可处理搜索空间的简单优化问题 → 改用标准优化
- 单模型训练或调优 → 改用深度学习训练
- 需要 <1ms 延迟的实时系统 → 改用低延迟系统
- 一个评估器明显优于其他且其他评估器无价值的问题 → 改用单模型部署
- 没有搜索树结构的顺序决策过程 → 改用强化学习基础
当需要以下技能时，委托给其他技能：
- 需要实现特定神经网络架构 → 深度学习架构
- 设计分布式系统基础设施 → 分布式系统设计
- 优化单个组件性能 → 性能优化
- 处理训练数据收集和标注 → 数据工程
- 实现特定搜索算法 → 搜索算法
此技能重点针对：在计算约束下协调多个不完美评估器的架构模式，而非单个组件的实现细节。