起因 链接到标题

吃四之后想骂发牌姬，但心里其实没底：到底是这副牌本来就没法打，还是我打崩了？ 麻将的麻烦在于结果和过程之间隔着一层厚厚的方差，一局定不了任何事，可人一次只打得到一局。

誰だ / dareda 就是拿来解决这件事的。它把牌谱里的牌山取出来， 让 AI 在一模一样的发牌下把这局重打几十遍，然后给一个名次分布：

座2 同水平自打分布  n=30  平均顺位 2.30
    1位  20.0%  ████████
    2位  40.0%  ████████████████
    3位  30.0%  ████████████
    4位  10.0%  ████

实际 4 位；同水平自打期望 2.30 位。
  判断：偏背 —— 你的同水平只有 10% 会打到 4 位或更差

翻译一下：以你自己的水平重打这副牌，平均能到 2.3 位，只有 10% 会像那局一样吃四。 这把是运气差，不是你菜。（开喷！

它到底跑了什么 链接到标题

底子是 Mortal（开源的日麻 AI）和它的 libriichi 引擎， dareda 打了个补丁把牌山约定固定下来，使得同一副牌可以被反复重放。数据从雀魂抓包来， 解出来第一件事是 verify：逐局比对配牌是否与原局恒等，不过就不许往下跑—— 后面所有结论都建立在"重放的是同一副牌"之上。

之上是三个不同的实验，区别很容易被读混，所以这里写清楚：

实验谁在打回答什么
replay四家全 Mortal，从第一张牌起这副牌顶尖打法能打成什么样
counterfactual只有你换成 AI，对手照人类原样出牌钉在那条已经崩掉的牌河上，你还能救回多少
self-luck四家各按自己被标定出的水平重开同水平的你，重打 30 次会落在哪

“水平"不是拍脑袋给的：先在人类原局上逐决策测每家的 EV loss（与 Mortal 最优解的期望差距）， 再反解出一个采样温度——温度越高越随机、越弱。所以 self-luck 里的对手不是三个满血 AI， 而是三个"和那晚一样菜"的人。

最后 diagnose 把这些压成一句话，靠一个恒等式：

实际名次 − 2.5 = (牌与座次) + (打法) + (运气残差)

关键在于必须跑两条基线。self-luck 的期望值里同时含了牌和打法，只有再跑一条"四家均等水平"的基线， 才能把"这副牌值几位"和"你的打法赚了几位"分开。只用 self-luck 当"牌好不好”，会把打法算进牌里。 三项相加恒等于左边，测试锁死了这条闭合性——也正因为恒等，合计那一项不是独立证据。

一份真实报告 链接到标题

下面这份是完整跑出来的东西：一份四人东南战（打到南四，K = 9 局），hero 是座 2，终局 4300 点，4 位。 同一份牌谱用两份 Mortal 权重（150k / 298k）各跑一遍，只为看结论稳不稳。

结论一句话：好牌，打得一般，而且这把运气还背。

  • 牌与座次 +0.33，打法 −0.13，运气 −1.70，合计 −1.50——从中性的 2.5 位掉到实际的 4 位，运气占了绝大部分。
  • 换成 298k 权重，同样的 −1.50 拆成 +0.40 / −0.03 / −1.87，判词一样是"偏背"、4 位概率一样是 10%。两份权重同向，这个结论是稳的。
  • 更打脸的一条：hero 的 EV loss 是四家里第 2 低（换 298k 是最低），全场打得最脏的是座 0，EV loss 0.488——而他拿了 3 位。

报告里还有一节专门讲该打的折扣，比如 counterfactual 的轨迹保真度中位数只有 51%（对手很快就脱轨了）， 所以那一节的具体点数不该当数值结论；比如 montecarlo --sensitivity 的 full-mortal 档是确定性单次重放， 显示 100% 4 位说的是"那唯一一条确定轨迹是 4 位"，不是 100% 的置信度。 一份分析报告里最该写清楚的往往是这些，而不是那几个大字。

末尾附了完整的耗时与内存账：每条命令都经 run_step.py 执行、用 os.wait4 逐进程采 rusage。 全套 11 个步骤合计 577.6 s（9.6 分钟），单步峰值常驻内存 440 MB。

（在 iframe 里看着挤的话，单独打开这一页。）

几个改动，和背后的判断 链接到标题

工具本身是慢慢长出来的，有几处改动值得单拎出来说，因为它们都是"数字算得出来"和"数字算得对"之间的差别。

运气不能用均值差来定义。 最早的判据是"实际名次 − 同水平期望"超过 ±0.2 位就算背/顺。 问题是自打分布经常是双峰的，均值落在没人会落到的中间地带，于是常见的 4 位被读成"惨背"。 后来改成分位：luck_q = 实际名次在自己那条分布里的中位秩，也就是"你赢过了自身多少比例的重演"， ≤0.25 判背、≥0.75 判顺、中间愿赌服输。运气那几颗星也由同一个量画出来，不再和判词各说各话。

删掉了"换满血 AI"那一栏。 曾经有一栏是"你换成满血 Mortal、对手不变"，本意是给"打法天花板"。 实测下来它不是天花板：固定牌山上 Mortal 反而更凶，和了和放炮都更多，平均名次跟真实水平打平。 一栏会误导用户的数字，哪怕算得没错也该删——顺带省掉三分之一算力。

强度测量跳过强制决策。 立直后的摸切、唯一合法的应对，都不是选择。 把它们算进一致率是白刷分，算进 EV loss 是拿 0 损失稀释。剔掉之后 hero 的一致率从 68% 掉到 66%、 EV loss 从 0.337 涨到 0.362，仍是全场第一；而那个重立直的对手 EV loss 从 0.656 涨到 0.741，虚高被挤掉了。 起因是一次很具体的委屈：用户吃四那局放的 18000 是立直后的强制摸切，不该算打法的锅。

把分布画出来。 “吃四=运气差"这个标签光看着就很像狡辩。后来在结果里加了名次概率横条， 逻辑就自洽了——你看得见那 10% 有多薄。黑箱变透明比多算几个数字有用。

耗时从 26 分钟砍到 9.6 分钟，靠的是三处结构性浪费，没有一处是"优化常数”： montecarlo 的跨轨迹循环本来是裸 for（CPU 只有 106%，其余命令都在 330% 上下），套上现成的进程池后单条命令 351s → 135s， 每条轨迹按 base_seed + i 播种，jobs=1 和 jobs=4 的分布逐项相同； --sensitivity 的 full-mortal 档没有随机源，跑 20 条是同一局算 20 遍，压到 n=1； self-luck 本来就是 diagnose 的真子集（那次蒙特卡洛四家的分布都算了，只是只留了 hero 一份），留全即可， 加个 --with-selfluck 白送——两条都跑等于重算一遍，约占整套分析 17% 的耗时。

西入被一行代码挡了很久。 南四结束无人到 30000 会打进西一，而 KyokuReplay 的 kyoku 上界写死在 8， 于是全线报"kyoku 越界: 8"。查下去发现西场其实天然成立——Board 本来就按 bakaze = E + kyoku/4 推导， 观测编码也早把西场 clamp 成南场口径。也就是说西入一直是被那一句挡在门外，而不是不被支持。上界改成 12 就完了。

还有一批纯工程的坑，写在 README 的"遇到问题"里：Windows 260 字符路径上限会让 pip install torch 装到一半停下、 之后报一个完全无关的 No module named 'torchgen'；不设 PYO3_PYTHON 编出来的扩展会链到系统 Python， 在 venv 里 import 报 symbol not found，而错误信息完全看不出是链错了解释器。 抓包脚本也从"按 D 键下载"改成了右下角悬浮按钮——原来的裸热键会在雀魂任何输入框里打字带 d 时误触。

三条须知 链接到标题

  • 只用来复盘打完的牌。 不要用于正在进行的对局。
  • 取牌谱需要在浏览器里改雀魂客户端，可能违反用户协议、有封号风险。 用不用自己决定，建议用小号。
  • 项目不含 AI 模型，也不提供模型权重（安装脚本会自动从第三方下）。许可证 AGPL-3.0。

顺带一提，报告里那句"这局打得最不干净的是座 0，而他拿了 3 位"—— 这大概才是这个工具最诚实的用途：它同样会告诉你，你打得就是比对面差，只是那天运气替你兜住了。