用Claude破解《超级马力欧64》30年庭院铭牌之谜

《超级马力欧64》庭院里那块铭牌，是游戏考古圈最著名的悬案之一。32×32像素的低分辨率贴图，玩家争论了三十年，从"L is real 2401"到各种阴谋论层出不穷。现在有人用 Claude Opus 5.5 把它读出来了。

为什么传统方法读不出来

问题的核心在于：像素根本不存在。任何超分辨率工具都无能为力，因为铭牌贴图只有32×32，文字细节在1996年的制作流程中就已经被压缩掉了。

这就像试图从一张极度模糊的照片里恢复文字——信息论上，如果像素里没有这个信息，放大再多倍也变不出来。玩家社区试过各种图像增强算法，结果都是猜测，而非还原。

Reddit上这位作者换了思路：不去"增强"图像，而是去"逆向"制作过程。

用前向模型重建1996年的制作管线

作者让 Claude 写了一个前向模型（forward model），模拟当年任天堂美术师制作这块贴图的完整流程：字体 → 画布 → 缩放 → 模糊 → 石头材质。

一旦这个管线被建模，问题就反转了——不再是"从模糊图像猜文字"，而是"从文字生成模糊图像，看哪个最接近原图"。

具体做法是：在 GPU 上对字体、字号、字距和候选词进行搜索，穷举所有可能的组合，找出能复现原始贴图的参数。

这本质上是一个逆向渲染问题，把图像识别转化成了可穷举的搜索问题。

逆向渲染（Inverse Rendering） 是计算机图形学中的一个经典问题：给定一张二维图像，反推出产生这张图像的场景参数——包括几何形状、材质、光照和摄像机等。它与常规的“渲染”方向相反：渲染是从已知参数生成图像，逆向渲染则是从图像反推参数。这个问题通常是病态的（ill-posed），因为许多不同的参数组合可以生成视觉上几乎相同的图像。本项目中作者所做的是一种简化版的逆向渲染：场景被限定为“文字贴图”，参数空间被限制为字体、字号、字距和候选词，而正向过程（渲染管线）则被固定为从字体到模糊贴图的确定性流程。由于参数空间被大幅收窄，原问题从“无法求解”变为“可以穷举搜索”，这正是该方法能够成功的关键前提。

词典搜索与模拟验证

第二行文字的识别用了更巧妙的方法：K-best 动态规划（DP），在1.77万个单词的词典中搜索最可能的组合。

光有搜索还不够，关键是如何知道结果是否可靠。作者搭建了一个模拟测试框架：在假的铭牌上植入已知文字，然后用同样的方法去破解，测量方法被"骗"的频率。

这种留出测试（held-out test）的思路，是整件事里最有价值的部分。作者在原文中明确说："对留出测试保持严格，比什么都重要。"

过程中踩过的坑

作者也坦诚记录了两次失误：一个是词间距 bug，导致重叠的单词被重复计算墨迹；另一个是对大写字母 S 的早期过度断言，联合测试实际上并不支持这个结论。

这些细节说明，即使是 AI 辅助的研究，人类对方法和结论的严格审查仍然不可替代。

K-best 动态规划（K-best DP） 是动态规划的一种变体。标准动态规划只保留最优解，而 K-best DP 在每一步保留前 K 个最优候选路径，最终输出 K 个全局最优解。在本项目中，作者需要在 1.77 万个单词的词典中找到最可能构成原铭牌第二行文字的词序列。由于每个词在铭牌上的位置、大小和重叠方式都有多种可能，搜索空间非常庞大。K-best DP 允许作者不是只输出一个“最佳猜测”，而是输出多个候选方案，从而可以人工审查或进一步用模拟测试筛选。这种方法在语音识别和机器翻译中广泛使用（如 CTC 解码的 beam search），本质是在解码空间中寻找概率最高的若干条路径，兼顾了计算效率和解的多样性。

留出测试（Held-out Test） 是机器学习和统计学中评估方法可靠性的核心手段。其基本思想是：将一部分数据留出，不参与模型训练或参数搜索，仅用于最终验证。在本项目中，作者不能直接检验“破解结果是否正确”——因为没有人知道真正的答案。于是他采用了模拟验证：人为生成一些已知内容的假铭牌，用同样的破解流程去识别，然后统计正确率。如果方法在已知答案的假铭牌上频繁出错，那它对真实铭牌的结论也值得怀疑。这种思路的关键在于，测试数据必须与搜索过程完全隔离，否则会产生信息泄漏，导致高估方法的能力。作者强调“对留出测试保持严格”，正是因为这是唯一能客观衡量方法可信度的途径。

最终答案：Eternal Star / We hope so

破解结果是："Eternal Star / We hope so"，使用 Adobe 1990年的 Palatino Bold Italic 字体。

这个结果很有意思——它既呼应了游戏里"永恒之星"的设定，又带着某种温柔的祝愿语气，很符合任天堂那个年代的设计风格。

作者还输出了完整的40页 LaTeX 报告和开源包，代码与报告都在 github.com/supermochi64/sm64-plaque-decode。

这件事的意义不止于一块铭牌

整个项目的价值，在于它展示了一种 AI 辅助研究的新范式：用大模型写前向模型、搜索引擎、模拟验证框架和学术报告，人类则专注于方法论和监督测试的严谨性。

对于游戏考古、逆向工程、甚至任何"信息缺失但过程可知"的问题，这种"重建管线而非增强结果"的思路都值得借鉴。

当然，也要看到局限：结论仍然依赖对1996年制作流程的假设，如果当年任天堂用了完全不同的工作流，结果可能会有偏差。作者用模拟测试部分回应了这个质疑，但这毕竟不是历史档案。

不管怎样，三十年的谜团终于有了一个经得起推敲的答案。