कॉल, बचाव के लिए बचाई टाइल और शुरुआत में एक सूट की योजना। हम एक निर्णय-नियम बदलते हैं, वही शुरुआती हाथ दोहराते हैं और जीते या हारे अंकों की तुलना करते हैं।
आइए, इस विचार को परखें।
शुरुआती नमूना: 10 तुलनाएँ · 4,864 सिमुलेट किए गए हाथ
बड़ा मूल्यांकन अभी बाकी है। ये छोटे शुरुआती अध्ययन हैं। नीचे दिए नमूने और प्रयोग की बनावट से तय होता है कि उनसे क्या निष्कर्ष निकल सकते हैं।
इस अध्ययन में कोई साफ़ विजेता सामने नहीं आया। अंतराल में शून्य शामिल होने का अर्थ है कि यह जाँच किसी नीति का आगे होना साबित नहीं करती। इसका अर्थ दोनों नीतियाँ बराबर साबित होना नहीं है।
अपने नियमों से शुरुआत करें।
हॉन्ग कॉन्ग नई शैली, चीनी आधिकारिक MCR, जापानी रीची और ताइवानी क्लब अलग-अलग जाँचे गए हैं। ताइवानी क्लासिक इस अध्ययन में नहीं है; क्लब के नतीजे उस पर लागू नहीं होते।
10 पूरी हुई तुलनाएँ दिखाई गई हैं। अंक हर खेल की अपनी इकाई में हैं; इन आँकड़ों से अलग खेलों की रैंकिंग न करें।
क्या ज़्यादा कॉल करने से मदद मिलती है?
पहले के कॉल-प्रयोगों की दोबारा जाँच। बाकी हर फैसला वही उन्नत खिलाड़ी करता है; केवल हाथ बनाने के वैध दावे लेने की इच्छा बदलती है।
हॉन्ग कॉन्ग
कोई साफ़ नतीजा नहीं
प्रति हाथ शुद्ध अंकों में बदलाव-0.59
अनुमानित 95% अंतराल-1.76 से +0.58
समान शुरुआती हाथ256
बदली नीति के नतीजे में से नियंत्रण नीति का नतीजा घटाया गया है। धनात्मक मान बदलाव के पक्ष में, ऋणात्मक मान नियंत्रण के पक्ष में हैं।
सटीक तुलना और सहायक आँकड़े
नियंत्रण नीति
उन्नत AI के सामान्य कॉल फैसले
जाँचा गया बदलाव
सबसे ऊँची प्राथमिकता वाला वैध सेट-दावा लें; बाकी फैसले उसी उन्नत AI के
प्रति हाथ औसत शुद्ध अंक
0.32 नियंत्रण नीति → -0.27 बदली हुई नीति
जीत की दर
26.6% → 24.6%
दूसरे को जीतने वाली टाइल देने की दर
14.5% → 11.3%
बदली नीति का व्यवहार
665 योग्य फैसले; 540 डिफ़ॉल्ट AI से अलग थे। यहाँ फैसले गिने गए हैं, हाथ नहीं।
दोनों खिलाड़ी समान संकेत पर बचाव शुरू करते हैं। पूरी मेज़ की छोड़ी टाइलों का इतिहास इस्तेमाल करने की तुलना, खतरा दिखाने वाले विरोधियों पर केंद्रित अनुमान से की गई है।
जापानी रीची
मॉडल की जाँच
प्रति हाथ शुद्ध अंकों में बदलाव+52.73
अनुमानित 95% अंतराल-37.73 से +143.2
समान शुरुआती हाथ256
बदली नीति के नतीजे में से नियंत्रण नीति का नतीजा घटाया गया है। धनात्मक मान बदलाव के पक्ष में, ऋणात्मक मान नियंत्रण के पक्ष में हैं।
सटीक तुलना और सहायक आँकड़े
नियंत्रण नीति
पूरी मेज़ की सभी छोड़ी गई टाइलों के आधार पर बचाव
जाँचा गया बदलाव
वही बचाव-संकेत; खतरनाक विरोधियों के अनुसार छोड़ी जाने वाली टाइलों की प्राथमिकता
प्रति हाथ औसत शुद्ध अंक
-226.17 नियंत्रण नीति → -173.44 बदली हुई नीति
जीत की दर
17.2% → 17.6%
दूसरे को जीतने वाली टाइल देने की दर
14.1% → 11.7%
बदली नीति का व्यवहार
711 योग्य फैसले; 437 डिफ़ॉल्ट AI से अलग थे। यहाँ फैसले गिने गए हैं, हाथ नहीं।
रीची में हम ऐसी टाइल बचाकर रखने की जाँच करते हैं जिसे कम-से-कम दो विरोधी छोड़ चुके हों। हाथ तैयारी के करीब आए या कोई रीची कहे, तो वह टाइल फिर सामान्य चुनाव में आती है।
जापानी रीची
मॉडल की जाँच
प्रति हाथ शुद्ध अंकों में बदलाव-42.97
अनुमानित 95% अंतराल-140.84 से +54.9
समान शुरुआती हाथ256
बदली नीति के नतीजे में से नियंत्रण नीति का नतीजा घटाया गया है। धनात्मक मान बदलाव के पक्ष में, ऋणात्मक मान नियंत्रण के पक्ष में हैं।
सटीक तुलना और सहायक आँकड़े
नियंत्रण नीति
उन्नत खिलाड़ी के सामान्य टाइल-चयन फैसले
जाँचा गया बदलाव
अपनी छह टाइलें छोड़ने के बाद, कम-से-कम दो विरोधियों की छोड़ी हुई अकेली उपलब्ध सुरक्षित उम्मीदवार टाइल रखें; तैयारी के करीब या घोषणा पर यह रोक हटाएँ
प्रति हाथ औसत शुद्ध अंक
-29.3 नियंत्रण नीति → -72.27 बदली हुई नीति
जीत की दर
19.1% → 18.4%
दूसरे को जीतने वाली टाइल देने की दर
17.2% → 17.6%
बदली नीति का व्यवहार
117 योग्य फैसले; 117 डिफ़ॉल्ट AI से अलग थे। यहाँ फैसले गिने गए हैं, हाथ नहीं।
शुरुआत में एक सूट मज़बूत हो, तो दूसरे सूट की टाइलें पहले छोड़ने की प्राथमिकता जाँची गई है। केवल छोड़ी जाने वाली टाइल का चयन बदलता है; हर दावे को फ़्लश की ओर नहीं मोड़ा जाता।
हॉन्ग कॉन्ग
कोई साफ़ नतीजा नहीं
प्रति हाथ शुद्ध अंकों में बदलाव+1.03
अनुमानित 95% अंतराल-0.94 से +3
समान शुरुआती हाथ256
बदली नीति के नतीजे में से नियंत्रण नीति का नतीजा घटाया गया है। धनात्मक मान बदलाव के पक्ष में, ऋणात्मक मान नियंत्रण के पक्ष में हैं।
सटीक तुलना और सहायक आँकड़े
नियंत्रण नीति
उन्नत खिलाड़ी का लचीला टाइल चयन
जाँचा गया बदलाव
पहले फैसले में एक सूट की कम-से-कम 8 टाइलें हों, तो अनुमानित दूरी अधिकतम एक इकाई बढ़ने तक दूसरा सूट छोड़ें; सेट खुलने या घोषणा पर यह नीति रोकें
प्रति हाथ औसत शुद्ध अंक
-0.69 नियंत्रण नीति → 0.34 बदली हुई नीति
जीत की दर
16.8% → 16.4%
दूसरे को जीतने वाली टाइल देने की दर
16.8% → 16.0%
बदली नीति का व्यवहार
46 योग्य फैसले; 46 डिफ़ॉल्ट AI से अलग थे। यहाँ फैसले गिने गए हैं, हाथ नहीं।
हर जोड़ी में वही शुरुआती वितरण का सीड, जाँची गई सीट और दौर की हवा है। परीक्षण वाली सीट चारों स्थानों पर बारी-बारी आती है; तीन उन्नत विरोधियों की नीति नहीं बदलती। हर हाथ में नीतियाँ नए सिरे से शुरू होती हैं। ताइवानी क्लब में चारों दौर संतुलित हैं; बाकी में पूर्व दौर है।
माप जाँचे गए खिलाड़ी के प्रति हाथ निपटाए गए शुद्ध अंक हैं, जिसमें स्वतः भुगतान और रीची जमा शामिल हैं। हाथ स्वतंत्र हैं: पूरे मैच की रैंकिंग, होंबा, भविष्य की बिना जीती स्टिक और मैन्युअल मेज़-भुगतान मॉडल में नहीं हैं।
अभियान से पहले नमूना तय था: हर तुलना में 256 जोड़ीवार शुरुआती हाथ, ताइवानी क्लब में 128। अनुमानित अंतराल जोड़ी के अंक-अंतर के फैलाव से हैं। ये सामान्य वितरण के अनुमान पर आधारित शुरुआती अंतराल हैं; दस तुलनाओं के लिए समायोजित नहीं हैं। दुर्लभ महँगे हाथ छोटे नमूने अस्थिर कर सकते हैं।
चार रन में गलत सॉफ़्टवेयर संस्करण दर्ज था; उन्हें तय शुरुआती हाथों से दोहराया गया। मूल रिकॉर्ड और बाहर रखने के कारण नीचे हैं। प्रतिकूल नतीजा होने के कारण कोई रन नहीं हटाया गया।
