笔记-GTOWizard-动态下注基准

Dynamic Sizing Benchmarks

元数据

• 作者: Tombos21 (GTO Wizard)
• 日期: 2023-08-21
• 类型: 文章
• 原始文件: Dynamic Sizing Benchmarks.md

摘要

Dynamic Sizing算法的完整基准测试报告。通过500个河牌场景的自我博弈测试，量化了简化策略的EV损失。核心结论：简化到1个下注尺寸仅损失极少EV，在实践中甚至优于复杂策略。

关键要点

1. 精度数据：
   • vs最优单size：99.95% EV捕获（0.05%底池损失）
   • vs复杂8size策略：99.7% EV捕获（0.30%底池损失）
   • 78%选中最优size，95%情况损失<0.25% EV
2. 最优固定河牌下注尺度：有利位置75-100%底池，不利位置约50%底池
3. OOP小注的原因：OOP不重开行动→可用更薄的价值注→小注尺寸更优
4. vs Slumbot实战：1-size Dynamic策略胜率19.4bb/100 vs 复杂策略13.1bb/100（50%更高胜率、更低方差）
5. 关键启示：早期街的EV损失比河牌更小（河牌是最坏情况）

影响的概念

• 概念-简化策略
• 概念-下注尺度与频率

完整笔记

详细策略分析

1. 500个河牌场景的全面基准测试设计：文章的测试方法论值得深入理解。通过500个河牌场景的自我博弈（self-play），比较了简化策略与复杂策略的理论EV差异。这个大规模测试确保了结论的统计显著性——不是个别场景的轶事证据，而是系统性的实证数据。测试覆盖了各种牌面纹理、位置、行动序列和SPR条件，使得结论具有广泛的可推广性。

👑 VIP 专属内容

1尺寸捕获99.95%EV精度数据链、IP 75-100% vs OOP 50%河牌最优尺寸的位置依赖规律、早期街补偿机制量化分析。

🔒 深度策略内容已锁定
加入 JoyPoker 知识星球 解锁完整内容

✨ 精彩牌谱翻后分析
✨ 知识库源文档全量解锁
✨ 提前看最新课程笔记

加入后请查看「星球欢迎语」或「置顶帖」获取访问密码

👉 点击加入星球 🔗 跳转 VIP 专属知识库