基于因果强化学习的复杂卡牌游戏：Magic The Gathering 基准

因果强化学习（RL）缺乏复杂系统的基准测试，这些系统综合了顺序决策、隐藏信息、大型掩码动作空间以及显式因果结构。我们引入MTG-Causal-RL，这是一个建立在Magic: The Gathering之上的Gymnasium基准，包含3077维部分观测、478维掩码离散动作空间、五种竞争Standard格式、三个奖励方案，以及针对战略变量的手工指定结构因果模型（SCM）。每个episode公开因果变量、SCM预测的干预效应以及每个因子的信用轨迹，使因果信用分配、leave-one-out跨格式迁移和策略可审计性成为一等级指标。我们调整了一组参考基线：随机、启发式、掩码PPO、因果世界模型PPO变体以及与架构匹配的标量控制。我们提出Causal Graph-Factored Advantage PPO（CGFA-PPO）作为参考因果智能体，该智能体使用SCM胜率概率的父节点的因子对齐评论家目标，并应用干预校准损失。所有比较均使用配对随机种子、配对-bootstrap置信区间以及预先登记的家族中的Holm-Bonferroni校正。掩码PPO和CGFA-PPO在分布内赢得率达到竞争水平，超过随机基线；每个因子校准轨迹和leave-one-out迁移间隙揭示了标量赢得率无法呈现的诊断结构。我们公开发布基准、参考基线结果以及完整评估协议。通过将战略丰富、部分观测的领域与显式因果接口和统计协议耦合，MTG-Causal-RL为因果RL、世界模型和LLM代理研究提供了共享测试平台，能够提出当前基准无法提出的问题：在掩码动作空间下进行因果信用分配、跨格式的结构迁移以及基于SCM的策略可审计性。