混合测试弥合仿真差距

地图在仿真环境里表现良好，并不等于上线后一定好玩。代理可以在短时间内运行大量对局，发现资源分配不均、路线利用率失衡等问题；可一旦面对真实玩家，地图的节奏、临场判断和社群习惯都会改变，模型找到的“最优解”甚至可能只是钻规则空子的剥削性策略。这就是仿真差距难以单靠算法消除的原因。

让机器负责广度，人类负责语境

混合测试的关键，不是把人工测试和 AI 测试简单相加，而是让两者承担不同任务。地图参数发生变化后，先由强化学习代理在模拟对局中进行批量测试，自动标记胜率倾斜、资源节点过密或关键路径失衡等异常，再把高风险区域交给设计师和小规模真人回归测试。

这样的分工更像两道筛子：AI 擅长覆盖大量组合，能在早期快速缩小问题范围；真人则负责判断某个问题是否真的影响乐趣，是否破坏了地图的节奏，以及玩家会不会采用模型没有预料到的行为。设计师不必逐场观看全部模拟对局，却仍然掌握最终取舍。

测试结果不能只看一个指标

如果只追求平衡性，地图可能变得平均，却失去特色。自动化评估应当结合多种信号，例如不同路线的使用情况、资源争夺是否过于集中，以及代理在不同策略下能否保持稳定表现。可视化工具和热图能够帮助团队定位异常，但它们呈现的是行为结果，不是完整的玩家体验。

真人测试也不宜只放在发布前。更稳妥的做法，是在仿真筛选之后安排小规模回归，并把反馈重新用于调整地图规则和训练环境。这样形成循环，才能避免模型一直在一个过于理想化的世界里自我强化。

混合测试并不会让仿真差距消失，却能把它变成可管理的问题：机器扩大观察范围，人类补足语境判断，社区反馈则检验结果是否真正成立。对于 Dota 自定义地图而言，值得讨论的或许不是“AI 能否替代测试”，而是哪些判断必须始终留在玩家和设计师手中。