امتیاز بالاتر همیشه به پیروزی نمی‌انجامد؛ روشی برای آموزش بهتر عامل‌های بازی راهبردی

آموزش عامل‌های مبتنی بر مدل زبانی برای بازی‌های راهبردی طولانی دشوار است؛ چون بازخورد قطعی کم است و اغلب فقط در پایان بازی به دست می‌آید. امتیازهای درون‌بازی بازخورد پرتکرارتری فراهم می‌کنند، اما همیشه پیش‌بینی‌کنندهٔ خوبی برای نتیجه نیستند: در بررسی هشت بازی راهبردی، در ۸ تا ۶۸ درصدِ زوج موقعیت‌ها، موقعیتی که امتیاز بیشتری داشت سرانجام به نتیجهٔ بدتری می‌انجامید. پژوهشگران این وضعیت را «تلهٔ امتیاز» نامیده‌اند.

برای بررسی پاداش‌های مناسب‌تر در Freeciv، بازی امپراتوری‌سازی نوبتی و متن‌بازی که در آن چند بازیکن طی صدها نوبت واحدها، شهرها و دیپلماسی را مدیریت می‌کنند، پژوهشگران سامانهٔ متن‌باز CivHarness را ساخته‌اند. این سامانه وضعیت جاری بازی را ذخیره می‌کند، امکان شاخه‌دادن از تصمیم‌های متفاوت را فراهم می‌آورد و بازی را دوباره اجرا می‌کند تا پیامدهای آیندهٔ تصمیم‌ها سنجیده شود.