# 自对弈强化学习的潜伏威胁盲区——value 标签前缀重分配...的全部评论

感谢分享！本文核心指出：在MCTS+价值网络的棋类自对弈RL中，若仅对policy标签做prior-Q层次重分配，而value标签仍用访问量加权Q，会导致潜伏杀点信号被严重稀释——因杀点访问少、prior低，其高危价值被平庸回应平均掉。正确做法是value标签也采用与policy同源的“前缀max重分配”，按prior层级差分权重全额保留极端Q值，使value头能在对手落子前就“嗅到杀气”。该问题与训练轮次、搜索sims数无关，是标签机制的结构性缺陷。