Silnější hledání pomohlo.
Nové postihy zatím ne.

Co z výsledků opravdu plyne

1. Hloubka 2 je zásadní zlepšení. Proti @1 získala 39 výher, 3 remízy a 2 prohry; dalších 6 her skončilo limitem. Skóre z dohraných her je 92,0 %.
2. Výhoda @3 nad @2 zatím není přesvědčivě doložená. Skóre @3 je 64,7 % z dohraných her, ale 16 z 50 her nedohrálo a interval úplných párů dosahuje 50 %. Označení @3 navíc nezaručuje dosaženou hloubku 3.
3. Vyvážená v2 původní verzi neporazila. Obě mají 44 výher, 10 remíz a 2 limity. Nové postihy zatím nemají prokázaný přínos.
4. Čtyři náhodné úvodní půltahy souvisejí s výhodou bílé. Model odhaduje skóre bílé 55,5 %; při 0 půltazích 49,2 % a při 5 půltazích 50,8 %. To podporuje citlivost na zahájení, ale neizoluje příčinu.
5. Nové pravidlo stínky mění děj, málo mění skóre. Rozešlo se 61/600 průběhů (10,2 %), výsledek se změnil v osmi. Zvednutí brouka nastalo 48× ve 39 hrách.
6. Náhoda zkreslovala údaj o vlastní kleci. U heuristik je podíl vlastních figur v závěrečném obklíčení asi 8,1 %. Hodnota 21,2 % zahrnovala slabého náhodného hráče.

Co bylo odehráno

Celkem 2 650 partií, seed konfigurace 42, všechna rozšíření, královna smí být prvním tahem. Rozpočet 20 000 vyhodnocení na tah; u hloubek ≥ 2 taktické prodloužení nejvýše o jeden půltah. Třetí opakování se počítá od začátku hry, adjudikace vypnutá. N=100 znamená 50 dvojic s prohozenými barvami, nikoli 100 dvojic. A/B má 600 her OFF a 600 ON.

Původní heuristiky zůstaly zachované; v2 přidává postih 5 za vlastní sousední figuru a 18 za nezakrytou královnu, jejíž odchod by rozpojil roj. U soupeře se stejné rysy hodnotí s opačným znaménkem.

1. Barva a náhodné zahájení

Bradley–Terry model odděluje sílu strategie a společný vliv bílé. Náhoda a limity jsou vynechané; ridge regularizace 0,5 udržuje odhady konečné. Jde o stupnici tohoto souboru, nikoli lidské Elo. Pro barevný parametr nemáme interval nejistoty.

Kontrolní OFF při čtyřech půltazích znovu získal přesně 25 996 pozorovaných tahů, 657 potenciálních příležitostí, 2 186 voleb a osm koncových pokrytí královny broukem. Tyto zveřejněné součty souhlasí s původní referencí; původní JSON k přímému porovnání všech tahů nebyl dodán.

Při nule i čtyřech půltazích má první nenáhodný tah bílá, přesto se výsledek liší. Samotné pořadí prvního „chytrého“ tahu proto není dostatečné vysvětlení. Test mění také rozložení výchozích pozic. V ohodnocení jsme ověřili nezávislost na příznaku hráče na tahu a symetrii při záměně barev; to není důkaz bezchybnosti celého enginu.

Úvod 0

Úvod 4 (OFF)

Úvod 5

2. Hloubka hledání

Naplánovaná @2 porazila @1 v 39 hrách proti dvěma prohrám. Toto je nejsilnější praktický výsledek experimentů. Naplánovaná @3 porazila @2 v poměru 20:10, ale 32 % jejich her skončilo limitem. Úplných barevných párů bez limitu zůstalo jen 13 z 25.

V celém hloubkovém turnaji proběhlo 9,059 hledání a 70,153,976 vyhodnocení. Dokončené hloubky: 1 → 2809, 2 → 5557, 3 → 693. Ve 2,502 hledáních (27,6 %) nebyla dosažena požadovaná hloubka. Agregovaná telemetrie neuchovává tuto tabulku samostatně pro každého hráče; nelze z ní přesně určit procento úspěšných hledání pouze @3.

Limit 120 tedy u hlubšího hledání už není zanedbatelný. Pro důsledné porovnání @2/@3 je potřeba prodloužit nebo dohrát limitované partie a evidovat dosaženou hloubku podle hráče. Změna @1→@2 navíc zapíná taktické prodloužení, takže měříme celé nastavení bota, nikoli izolovaný jediný půltah.

3. A/B experiment stínky

Pravidlo bylo při ON legálně dostupné v 584 pozorovaných tazích; bot je použil 48× (8,2 % příležitostí). Komár provedl sedm použití. Tato varianta dovoluje brouka sundat pouze na prázdné pole; položení na královnu neumožňuje.

Rozchod průběhů nemusí znamenat okamžité použití schopnosti: zapnutí pravidla ovlivňuje také hodnocení záchrany královny a nabídku legálních tahů. Model měří celý účinek zapnutí varianty na tohoto bota.

Všechny intervaly změny skóre obsahují nulu. Tato tabulka zahrnuje i soupeře Náhodu; 600 porovnání obsahuje 300 takových zápasů. Nejde o izolovaný odhad účinku v kvalitní hře.

Jak dopadlo 61 rozešlých průběhů

Ve většině rozešlých her zůstal stejný vítěz. Celkově se výhra černé změnila na bílou třikrát, opačně jednou. Tak malý počet změn neposkytuje spolehlivý důkaz posunu rovnováhy pravidel.

4. Vyvážená v2 a vlastní klec

Nové postihy nejsou potvrzené zlepšení: 44 výher na každé straně, 10 remíz, 2 limity. Interval párového skóre obsahuje 50 %. Verzi v2 proto zatím ponechat experimentální, nikoli ji označovat za silnější.

Z původních 719 vlastních figur u poražených královen připadá 590 Náhodě (82,1 % všech těchto případů). U heuristik je dohromady 129/1 602 = 8,1 %. Původních 21,2 % tedy nepopisuje samotné heuristiky. Navíc jde o konečné pozice prohraných her, ne o příčinný důkaz chyby.

V2 měla u prohraných královen 14 vlastních sousedních figur proti 16 u původní verze. Tak drobný rozdíl neprokazuje užitečnost postihu. Královna jako kloub může být problém, ale také důsledek správné obrany; plošný postih nemusí vystihnout situaci.

5. Remízy, úplnost a omezení

• Chybějících pět remíz v referenci jsou oboustranná obklíčení: 28 + 5 = 33. Nejde o ztracené hry.
• Skóre = výhra + půl remízy, děleno počtem dohraných her. Limit není remíza ani prohra a je vynechán.
• Párové intervaly používají jen celé dvojice, ve kterých dohrály obě barvy. Jejich střed se může lišit od skóre všech dohraných her. Tabulky ukazují oba údaje, aby se rozdíl nezaměnil za chybu.
• Intervaly jsou percentilový bootstrap párů seedů (1 200 převzorkování), nikoli důkaz proti všem možným zahájením. Při více srovnáních nejsou korigované na vícenásobné testování. Útok proti Vyvážené při úvodu 5 má hraniční interval, ale nepovažujeme jej za obecný důkaz nadřazenosti.
• Stejné seedy se opakují napříč experimenty; běhy nelze považovat za nezávislé vzorky a prostě je sloučit.
• Všech 2 650 záznamů je označeno jako ověřené replayem, součtové kontroly nehlásí chyby. Pravidla však nebyla porovnána s nezávislým turnajovým enginem.
• Obnova přepsala časové údaje již dokončených etap nulou. Tyto nuly nejsou skutečné trvání. Původní log uvádí hloubkový běh přibližně 6 h 7 min; obnovená část skončila 30. 10. 2026 v 6:39 českého času.

Co dává smysl zkoumat dál

1. Jako praktický základ používat @2; v2 zatím ponechat jen pro experimenty.
2. Pro @2/@3 dohrát limitované pozice a zaznamenávat rozpočet i skutečnou hloubku po hráčích. To je hodnotnější než další velký test @1.
3. Test barvy rozšířit o více úvodních délek a pevnou sadu rozmanitých pozic se skutečnou záměnou barev. Stávající výsledky izolují vliv režimu zahájení jen částečně.
4. Stínku zkoušet na scénářích se zakrytou královnou a se silnějšími boty. V celých hrách @1 se pravidlo využívá vzácně.
5. Případné další úpravy heuristiky testovat po jednom rysu. Výsledky zde nevybírají nové váhy a nedokazují nulový přínos všech možných postihů.

Tyto další běhy nejsou automaticky spuštěné.

Data pro vlastní analýzu

• CSV všech 2 650 partií — jeden řádek na partii, vhodné pro Excel/Python.
• Odvozené souhrny JSON — tabulky a výpočty použité v této zprávě.
• color-0 — úplné tahy, nastavení a telemetrie
• color-5 — úplné tahy, nastavení a telemetrie
• depth — úplné tahy, nastavení a telemetrie
• pillbug-ab — úplné tahy, nastavení a telemetrie
• balanced-v2 — úplné tahy, nastavení a telemetrie

Úplné JSON soubory obsahují i tahy, párovací klíče, seedy, nastavení, použití figur a stavové metriky. CSV je pouze přehled, nenahrazuje úplné záznamy.