自对弈强化学习成为强 AI 的硬约束——物化 D4 对称增强的不可替代性 适用范围声明：本文讨论的约束可能仅适用于五子棋、围棋等具有 棋盘对称性的棋类游戏（D4 对称群：4 次旋转 × 2 次翻转 = 8 种 等价方位）。非对称博弈（如扑克）的自对弈闭环不会产生 同类方位偏置问题，以下结论不直接适用。 与 sims 数无关：本文结论覆盖所有 sims 配置。高 sims 管线 的标签质量更高、闭环

低 sims 下棋类游戏强化学习如何逃出双盲期 本文以一个五子棋 CNN 自对弈项目的真实调参经历为案例。 项目采用 30 sims 低算力管线（参考项目: ），开局就撞上典型的"双盲期"： 模型不会防守、对局极短、胜率看似暴涨实则空转——这个均衡持续了 约 1200 轮才被打破，随后约百轮模型达到中等 AI 强度 （完整实测时间线见 §4.7）。 本文记录双盲期的定义、成因、诊断指标，以及逃出它