5D Library › 四人不完全信息随机博弈、贝叶斯读牌与反事实遗憾最小化 · English

序:最不讨人喜欢的那一类博弈

注

这不是一本赌博指南,请先读这一段。 本书研究一类博弈的数学结构:四人、不完全信息、随机、而且在金钱上是负和。它不建议任何人以金钱投注本书讨论的博弈。第八章最后一节用一段程序算出,在一个有合理优势的玩家身上,每周一场、一年 3,120 手(p16),抽水为每手 0.010 个买入时期望收益是 +8.6 个买入,而仍有 36% 的玩家年终亏损;而在没有优势时,任何抽水都使期望为负,没有任何资金管理规则能改变这一点。赌博可能造成严重的财务与个人伤害,也可能成为强迫行为 (Calado and Griffiths 2016; Potenza et al. 2019)。任何人若发现自己玩得比预期多、下注超过能承受的范围、或在追赶损失,应把这当作信号,并向本国有资质的服务寻求帮助。各地关于博彩的法律不同,读者须自行查明当地法律。

本书的立场是:这个博弈作为博弈值得研究,而研究它不需要在它上面押钱。

一张四人牌桌把博弈论里最麻烦的几个特性凑在了一起。信息是不完全的:每个人看得见自己的手牌与所有打出的牌,看不见另外三家的手牌与牌墙。过程是随机的:发牌与摸牌是抽样。参与者是四个而不是两个,这一点比它听起来重要得多——两人零和博弈的全部漂亮结果,从极小极大定理到求解器的收敛保证,都在人数超过二时失去效力。而在金钱上它是负和的:场地费、抽水或佣金使四个人加起来必定亏钱,哪怕在点数上他们是零和的。

本书把这些特性写成数学,然后逐段检验关于这个博弈的流行推理。像 5D Library 的其他书一样,它先证伪再立边界,并且照实报告否定结果——包括本书自己想证明某件事而没有证成的那几处。

本书的内容

第一章算出这个博弈的规模,并说明为什么枚举信息集不是一个工程问题而是一个范畴错误。第二章把牌池写成超几何推断,得到一个与常识方向相反的结果。第三章把筋牌推导成一条贝叶斯结论而非统计规律。第四章用动态规划算向聴与进张,并把一手牌写成竞争风险下的赛跑,得到本书最重要的修正。第五章把弃胡写成最优停时问题。第六章先在两人零和博弈上验证反事实遗憾最小化,再在三人博弈上报告两个否定结果,然后处理混合策略与资金分配——这一章是博弈的解与钱。第七章与《孙子兵法》的「虚实」「奇正」并读,与克劳塞维茨对勘。第八章给出四步核查表与一项预注册的重复对局策略比较。

本书与 5D Library 的几本书相邻,重叠处只作简短回顾、不重复其程序:第 19 本讨论过非遍历性与凯利准则(第六章沿用其框架);第 26 本讨论过概率校准(第三章);第 27 本与第 50 本讨论过机制设计(第六章);第 32 本讨论过算法博弈论与无秩序代价(第六章);第 33 本讨论过预注册、把握度与判定规则(第八章沿用);第 35 本讨论过演化博弈与互惠(第六章);第 37 本讨论过离散周期网络与占位熵(第二章);第 40 本讨论过尾部相依与杠铃配置(第六章);第 42 本讨论过贝叶斯搜索与最优停止(第五章沿用);第 45 本讨论过订单簿中的信息不对称(第三章);第 53 本与第 54 本讨论过结构可识别性与估计量偏差(第二、六章沿用其方法)。

核对后修正的说法

  1. 枚举信息集不可行,而且不是存储问题。 13 张手牌的不同多重集有 985 亿个(9.85×10109.85\times10^{10});一名玩家首次打牌时,另外三家配置数的上界约 5.0×10465.0\times10^{46};两者相乘约 4.9×10574.9\times10^{57} 字节(第一章程序 p01)。可观测宇宙约有 108010^{80} 个原子,所以这不是「需要很大的硬盘」,而是方法上的范畴错误。第六章讨论的全部方法都运行在抽象上。
  2. 「数进张」这一启发式在牌局前期高估宽听。 两面听相对单骑的完成概率比,在剩 2 次摸牌时为 1.94(接近按活张数预测的 2.0),在剩 16 次摸牌时降到 1.38,因为两者都有时间被摸到(第二章程序 p02)。方向容易记反:摸牌次数少意味着牌局后期。所以按进张数成比例估计完成概率,在后期准确、在前期高估宽听。
  3. 超几何计算对争夺中的牌是偏乐观的。 把 73 张未见牌当作牌墙处理,忽略了其中 39 张在对手手里;而对手持有某张牌,恰恰常常是因为那张牌对他们有用。这对玩家最想要的牌影响最大(第二章)。
  4. 筋牌是振听的演绎,不是统计规律。 在本书的示意性先验下,对手打过 4 之后,打 1 的放铳概率从 0.480 降到 0.133,即安全约 3.6 倍——而不是安全。剩余风险集中在单骑与三面听上(第三章程序 p03)。
  5. 筋与牌池两条启发式必须相乘,不能顺序套用。 一张筋牌若还剩三张,可能比一张非筋牌只剩一张更危险(第三章程序 p03)。
  6. 读牌模型是对「不适应」对手的最优反应。 它把对手的舍牌当作有信息但非策略性的。一个知道自己正被读的对手可以反向利用舍牌,而第六章说明对这样的对手没有固定的读牌规则是安全的。这是对该模型的正确描述,也不是通常的描述方式。
  7. 不实现七对子的向聴算法系统性高估对子型手牌的距离。 六对子加一张单牌在标准型下是 3 向聴,而在七对子型下只有 1 向聴。本书的程序只实现标准型,这是一处真实缺陷,书中标明(第四章程序 p04)。
  8. 单人赛跑模型把胜率高估 1.36 到 1.79 倍,而且误差随距离增大。 忽略另外三家会使模型系统性偏向慢而贵的手牌(第四章程序 p05)。本书同时声明:该模型只作比较之用,其绝对概率不可引用——记录数据中玩家约五分之一的手牌获胜,而模型给出的数远高于此,原因在正文说明。
  9. 弃牌只防放铳,不防自摸,所以对手自摸的项在推与弃的比较中相消。 因此弃牌的理由完全落在放铳概率上,而一张接近安全的牌即使手牌很弱也该推(第五章程序 p06)。这一点常被说成「拿不准就弃」,方向是反的。
  10. 最优停时的框架本身有三处不成立。 放铳概率依赖对手听什么,而对手的选择部分是针对被读而作的(非决策问题);有三家而不是一家,且他们的手牌通过未摸到的牌相依(弃一家可能喂另一家);点数不是效用(最后一局要追分时,正确的策略可以是接受负期望的推)(第五章)。
  11. 反事实遗憾最小化在两人零和博弈上确实收敛。 本书在玩具博弈上验证(p07):可利用度从 0.667 降到 0.0013,博弈值收敛到 −0.055554-0.055554(理论值 −1/18=−0.055556-1/18 = -0.055556),用最差牌下注与用最好牌下注之比为 3.01(理论 3.00)(Zinkevich et al. 2008)(第六章程序 p07)。
  12. 「三人以上就会失败」不成立——这是本书的第一个否定结果。 在本书构造的三人玩具博弈上,同一算法照样把可利用度压到 4×10−64\times10^{-6}。所以「没有收敛定理」不等于「算法会失败」;Abou Risk 与 Szafron 的三人扑克代理同样在没有保证的情况下表现良好 (Abou Risk and Szafron 2010)(第六章程序 p08)。
  13. 本书没有展示多人「无价值保证」现象的工作例——这是第二个否定结果。 两人零和博弈中,均衡策略保证至少拿到博弈值;多人博弈中没有这一保证,这是关于存在哪些定理的事实。但本书构造的四种简单对手偏离没有把玩家压到均衡值以下(每一种都让玩家更好),所以本书不声称有一个展示该现象的例子,并把对手联盟的完整最小化(约 1.7×1071.7\times10^{7} 个组合)列为未算(第六章程序 p08)。
  14. 凯利的增长率曲线在最优点附近近乎对称。 半凯利保 75.3% 的增长率,1.5 倍凯利保 75.7%——两个方向的代价相差不到半个百分点,只有到 2 倍凯利才塌到 3.7%。所以「增长率曲线在上方陡降」不是降低注码的好理由(第六章程序 p09)。
  15. 降低注码的真正理由是优势需要估计。 在 100 手的样本上,0.75 倍凯利(−0.001680-0.001680)确实优于按估计值下的全凯利(−0.003106-0.003106);而样本增大后这一优势收窄(第六章程序 p10)。
  16. 两路赌注的 f=p−qf = p – q 公式在这里有错误的符号。 把本书的结果分布当作「两成的时候赢」代入该公式得 0.27−0.73=−0.470.27 – 0.73 = -0.47,而正确的凯利比例是 +0.0696+0.0696:赢的时候赢得多,所以胜率低于一半与有优势完全相容(第六章程序 p09)。
  17. 抽水不是对赢家速率的小额扣减,而是决定有没有赢家。 在本书的示意分布中,优势在每手抽水 0.0128 个买入处消失;而抽水 0.005(只占优势的 39%)就使最优注码降低 40%,抽水 0.010 使它降低 79%(第六章程序 p09、p13)。
  18. 破产的三个杠杆不等权。 资金与注码以指数进入破产概率,优势只以线性进入;所以就「不破产」这一目的而言,注码小比打得好更有效。这是关于存活的陈述,不是关于赚钱的陈述(第六章程序 p13)。
  19. 个人经验几乎不能作为策略的证据。 每手 0.01 个买入的改善在这个博弈里是很大的优势,而以两样本检验检出它需要每组约 39,766 手,即约 663 场(第八章程序 p11)。这是那些关于边际决策的自信意见无法由玩牌手数支持的量化理由。
  20. 混合策略的论证是有条件的。 混合优于任何纯策略,这是 2×22\times2 零和博弈的定理(第六章程序 p12);但它要求对手观察到足够多的手数才能读出混合比例,而按第 19 条这需要数千手。对一个只看了几百手的对手,确定性策略事实上不可被利用。这是该论证的诚实版本,比通常的说法窄。
  21. 重复对局设计把试验从不可行变为可行。 同样的牌局在两种策略下重放,配对后差值的标准差从 0.435 降到约 0.12,所需手数从 79,532 降到 1,514,约 53 倍(第八章程序 p11)。代价是配对在两种策略首次分歧之后就不再严格成立,所以第八章只在首次分歧的决策上计分,丢掉每手牌的大部分。

如何阅读标注框

证据

证据框报告已发表的研究结果,并注明出处。定理与经验结果分开写,两人零和的结果与多人的结果分开写。

推导

推导框给出简短的 Python 程序。每段程序都可以在标准 Python 3 环境中原样运行,只用标准库,固定了随机种子;本书的排版流水线在构建时实际执行每段程序并把输出写进书里。程序中的结果分布、先验与参数都是示意值,不是对任何真实牌局或任何真实玩家的测量。

假说 · 尚未验证

假说框是作者的想法,标明「尚未确立」,并写明什么样的结果能证明它是错的。

原典

原典框引用古代文献,并附白话解释。对勘一律标为类比。

注

注框给出提醒并解释取舍。

本版说明

这是 1.0.0 版,第一个完整版:序与八章,中英双语。书中共有 16 段 Python 程序与 6 张矢量图。正文、标注框与代码由 AI 写作工具依据作者提供的书名、框架与要点起草,作者负责审阅、修改并核对出处。第二章的先验、第三章的听牌先验、第四章的赛跑参数、第六章的玩具博弈与结果分布、第八章的规划假设,都是作者的示意性设定;它们的数学性质不是关于任何真实牌桌的发现。

本书把信息论与物理概念用于博弈时,计算的是香农熵与马尔可夫链的量,不作其他类比。书中没有「大多数玩家会……」这类没有依据的断言。

利益披露

作者以 5D Library 的著作(包括本书)作为其社群课程、升维牌卡(5D Ascension Cards,Dimensional Shift Card Decks)与 Yafu AI 知识库的方法论基础,因此与本书主题有商业利益关系。本书不推销任何课程、牌卡、软件或服务,不提供任何博彩平台、代理或资金服务的链接或推荐,也不接受任何此类机构的赞助。本书不是赌博指南:它不建议任何人以金钱投注本书讨论的博弈,第八章最后一节用计算说明为什么以未经测量的优势投注是一个可量化的错误,并指出赌博可能造成严重的财务与个人伤害、也可能成为强迫行为。第八章的试验为软件代理之间的策略比较,由独立于作者企业的研究人员实施和分析,不涉及真实金钱投注,也不从作者的社群、学员或客户中招募;书中所有代码与研究方案均公开,供任何人检验。

参考文献

Abou Risk, Nicholas, and Duane Szafron. 2010. “Using Counterfactual Regret Minimization to Create Competitive Multiplayer Poker Agents.” In Proceedings of the 9th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 159–66.
Calado, Filipa, and Mark D. Griffiths. 2016. “Problem Gambling Worldwide: An Update and Systematic Review of Empirical Research (2000–2015).” Journal of Behavioral Addictions 5 (4): 592–613. https://doi.org/10.1556/2006.5.2016.073.
Potenza, Marc N., Iris M. Balodis, Jeffrey Derevensky, Jon E. Grant, Nancy M. Petry, Antonio Verdejo-Garcia, and Sarah W. Yip. 2019. “Gambling Disorder.” Nature Reviews Disease Primers 5: 51. https://doi.org/10.1038/s41572-019-0099-7.
Zinkevich, Martin, Michael Johanson, Michael Bowling, and Carmelo Piccione. 2008. “Regret Minimization in Games with Incomplete Information. Presented at NIPS 2007.” In Advances in Neural Information Processing Systems 20, 1729–36. Curran Associates.

Fan, Y. (2026). Imperfect-Information Stochastic Games, Bayesian Hand-Reading and Counterfactual Regret Minimisation in Four-Player Tile Dynamics: From Markov Transitions of the Tile Pool and the Optimal Stopping of Defensive Folding to Kelly Allocation in a Multiplayer Game, with a Textual Examination of the Orthodox and the Unorthodox in the Classical Military Writers [四人不完全信息随机博弈、贝叶斯读牌与反事实遗憾最小化] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.24020464 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).