Correct the exploiter budget: it was a quarter of the target, not half

The exploiters ran 32.5M learner actions, not the 65.5M I recorded -- they train
one seat, so a 250x1024 run yields half of what the same shape gives the
both-seat self-play trainer. Against targets trained on 131M and 122.6M, that
makes the attacker roughly 4x underfunded.

Which means the absolute number does not support "ours is only 22.8%
exploitable". It supports exactly one claim: at a matched budget, league gives up
more. Whether the ordering survives a properly funded attacker is now the open
question, so the script takes --updates and --batch-games to run it.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01XBQKgvBbxbheiTF1AVy1Sh

docs/plans/lost-cities-classic-3round.md

@@ -551,7 +551,7 @@ Fable은 이것을 "가장 큰 누락 아이디어"로 꼽았다. 실측은 **
 **측정 방법:** 정책을 얼려놓고, **오직 그놈만 이기도록 특화된 새 정책을 처음부터 학습**시킨다
 (`src/lost_cities_jax/exploit.py`). 착취자가 도달한 승률이 곧 그 정책이 못 막아낸 습관의 크기다.
 
-**동일 착취자 예산 (250 업데이트 × batch 1024 = 65.5M learner 액션):**
+**동일 착취자 예산 (250 업데이트 × batch 1024 = 32.5M learner 액션):**
 
 | 얼려놓은 정책 | 착취자 승률 | 95% CI |
 |---|---|---|
@@ -571,7 +571,10 @@ Fable은 이것을 "가장 큰 누락 아이디어"로 꼽았다. 실측은 **
 
 1. **하한선이다.** 더 세거나 더 오래 학습한 착취자는 더 찾아낼 수 있다. **절대값이 아니라
    동일 예산에서의 비교로만 의미가 있다.**
-2. 착취자 예산이 목표의 절반이다(65M vs 131M). 키우면 두 수치 다 오른다.
+2. **착취자 예산이 목표의 약 1/4에 불과하다 (32.5M vs 131M).** 약한 공격자다.
+   따라서 **"우리는 22.8%밖에 안 털린다"고 말할 수 없다** — 그건 이 약한 공격자 기준일 뿐이다.
+   살아남는 주장은 **"동일 예산에서 league가 더 털린다"** 하나뿐이다.
+   착취자를 목표와 같은 예산(131M)으로 키워서 **순서가 유지되는지** 확인해야 한다.
 3. league는 단판 정책이라 3라운드 게임에선 다소 제 물이 아니다 — 다만 carry가 무의미하다는
    것이 이미 증명됐으므로 큰 불리함은 아니다.
 

scripts/measure_exploitability.py

@@ -8,6 +8,7 @@ frozen policy could not defend.
 
 from __future__ import annotations
 
+import argparse
 import json
 from pathlib import Path
 
@@ -77,6 +78,12 @@ def _final_score(cfg, exploiter_params, frozen, matches: int) -> dict:
 
 
 def main() -> None:
+    parser = argparse.ArgumentParser()
+    parser.add_argument("--updates", type=int, default=250, help="exploiter training updates")
+    parser.add_argument("--batch-games", type=int, default=1024)
+    parser.add_argument("--tag", default="", help="suffix for the run dir, to keep runs apart")
+    args = parser.parse_args()
+
     match_cfg = load_config("configs/jax_ppo/match-selfplay.yaml")
     old_cfg = load_config("configs/jax_ppo/balanced.yaml")
 
@@ -94,10 +101,10 @@ def main() -> None:
     for name, frozen in targets.items():
         print(f"\n===== training an exploiter against: {name} =====", flush=True)
         cfg = load_config("configs/jax_ppo/match-selfplay.yaml")
-        cfg.ppo.batch_games = 1024
+        cfg.ppo.batch_games = args.batch_games
-        cfg.run.total_updates = 250
+        cfg.run.total_updates = args.updates
-        cfg.run.log_every = 25
+        cfg.run.log_every = max(1, args.updates // 10)
-        slug = name.split()[0]
+        slug = name.split()[0] + args.tag
         state = train_exploiter(cfg, frozen, Path(f"runs/jax-ppo-match/exploit-{slug}"))
         result = _final_score(cfg, state.params, frozen, MATCHES)
         rows.append({"target": name, **result})
@@ -110,7 +117,7 @@ def main() -> None:
         ci = f"[{row['wilson_low']:.3f}, {row['wilson_high']:.3f}]"
         print(f"{row['target']:<28}{row['exploiter_win_rate']:>20.4f}{ci:>22}")
     print("\nhigher = the frozen policy had more to farm. 0.5 = nothing found.")
-    Path("runs/jax-ppo-match/exploitability.json").write_text(json.dumps(rows, indent=2))
+    Path(f"runs/jax-ppo-match/exploitability{args.tag}.json").write_text(json.dumps(rows, indent=2))
 
 
 if __name__ == "__main__":