选《杀戮尖塔》而非扫雷或围棋做基准，因为A20难度下每局包含数百个嵌套决策节点，且没有标准答案。玩家必须在『战未来』与『保当下』间持续取舍：打精英拿强力遗物可能暴毙，提前删牌提升卡组运转效率则意味着放弃即时战力。这种『局部最优点与全局最优冲突』正是投资决策和项目管理等真实长线任务的缩影。相比之下，AlphaStar玩《星际争霸》靠的是海量自我对弈中涌现的微观操作优势，而非对单一长程目标的抽象权衡。

人类高手的A20打法是把血量当消耗品：宁可剩半血也要升级关键牌、多打精英博下限。AI则相反——57%-75%的篝火选回血，第一幕平均只打0.9-1.4个精英（人类2.6个），即使满血也有31%概率选择休息。这种『合乎逻辑的稳健』并非局部决策失误，而是模型训练目标天然倾向「即时安全」——把『最小化风险』当作最优策略，却忽略了这个游戏中『过不掉下一关就是最大的风险』。

SpireBench暴露了当前LLM在『时间维度超过3步』时的策略断裂：第一关AI能和人类高手持平（通杀率90%），第三关暴跌到0%-20%。这直接指向未来AI Agent的两条演进路径——要么给模型外挂『世界模型』模拟器（类似中科院为星际争霸做的StarWM，让AI『预演』后续5秒的演化），要么在训练阶段加入『延迟奖励』的强化学习目标，让模型学会忍受短期代价换取长期收益。2026年ARC-AGI-3交互式基准更是把这种『无规则探索』能力压到不到0.5%得分率，说明行业刚摸到门。

实验中最讽刺的一幕：AI把『谨慎行事』等保守经验写进跨局记忆库，导致自己越打越胆小。问题是，人类玩家也写日记，但高手懂的教训是『第三层快没钱删牌了，这把应该更激进地拿遗物』。要让AI从『记录经验』进化到『判断什么经验是可泛化的教训』，本质是教它区分『生存偏差』：一局暴毙到底是因为路线太贪，还是因为不够贪？Google的『可学习推理记忆』和最近清华等团队提出的『自我确认陷阱』破解方案，正试图给智能体装上这个开关。