模型与读数 · 08

Fast、Balanced、Deep、Human SL 怎么选

模型决定速度、强度与风格,搜索量决定答案稳定度;读结果时还要把胜率、目差、visits、主变化和领地放在一起。

  1. 先按任务选模型,不按名字猜强弱

    Fast 适合整盘扫描与交互预览;Balanced 是日常复盘的默认平衡;Deep 适合少数关键局面的高质量深算;Human SL 用人类棋谱训练的风格模型解释“人为什么会这样下”,不等同于最强胜负模型。

    四种档位不是一条简单排行榜:速度、深度与人类相似度是不同坐标轴。
  2. visits 是搜索预算,不是模型大小

    同一模型增加 visits 通常会让候选排序更稳定,但时间和费用也上升。高效流程是先用较少 visits 扫整盘,再把预算集中到两三个转折点;更大模型与更多 visits 不能互相完全替代。

    先宽后深:低预算寻找问题,高预算回答少数问题。
  3. 把五类读数放回同一视角

    winrate 说明胜负概率,scoreLead 说明预计目差,visits 说明搜索投入,pv 是主变化,ownership 是各点归属估计。还应查看候选 prior 与 policy;比较前先确认这些数值是黑方还是当前行棋方视角。

    一条候选着不是一个分数,而是一组互相制约的证据。

模型依据

  1. KataGo 发布与模型
  2. KataGo Transformer 研究
  3. KataGo Analysis Engine 字段

复盘时检查

  • 先明确整盘扫描还是关键局面
  • 记录模型档位与 visits
  • 确认 winrate 和 scoreLead 视角
  • 用 pv 与 ownership 解释数字
阅读 App 对比