Pablo Zavala · Avaliação de segurança de IA · Engenharia de pesquisa

Bot de Pôquer de Torneio com Modelagem Adaptativa de Oponentes

Um bot de pôquer de torneio construído para a competição do CMU Data Science Club, voltado para a tomada de decisão sob incerteza contra oponentes variados e adversariais. O bot lê tendências dos oponentes a partir de sinais de aposta ao vivo, roteia entre estratégias especialistas por meio de um seletor no estilo bandit, e gasta busca mais pesada no turn apenas em situações de alta incerteza. Um framework de backtest orientado por manifesto, com reconciliação de baralho duplicado e snapshots congelados de release, registra cada decisão de promoção contra oponentes fixos e pesos de pontuação.

Precisão da afirmação

O que a evidência demonstra: Bot de pôquer adaptativo com um fluxo de trabalho de estudo documentado: roteamento posterior de oponentes, pontuação empacotada de EV por bucket, busca no turn condicionada por incerteza, e backtests de baralho duplicado orientados por manifesto com snapshots congelados de release.
Fronteira de capacidade e evidência: A evidência repousa sobre o bot commitado e o método documentado; os scripts de estudo de baralho duplicado que regeneram as comparações permanecem fora da árvore pública, um benchmark público de resultado principal contra o campo de torneio ao vivo permanece pendente, e os modelos de oponente permanecem heurísticos e estatísticos.

Repositório público de submissão

Papel: Pablo: estratégia do bot da equipe além do fluxo de trabalho de experimento reproduzível, do modelo de oponente ao portão de promoção.

Cartão de avaliação

Cobertura de regime de oponente

Amostra: Portão ponderado de campo ao vivo abrangendo proxies passivos, balanceados/seletivos, de mudança de fase, de armadilha de classificador e hiperagressivos
Avaliador: Recompensa por mão por oponente, combinada por pesos fixos do manifesto
Resultado: Um único escore ponderado classifica cada candidato em todo o campo de proxies, então uma fatia de sorte contra um estilo permanece visível em vez de escondida.
Escopo de verificação: Oponentes-proxy aproximam o campo; um benchmark público de torneio permanece pendente.

Controle de variância

Amostra: Reconciliação de baralho duplicado, seed 20260321
Avaliador: Delta de recompensa por mão em baralho pareado contra a âncora congelada
Resultado: A linha de base e o desafiante reproduzem baralhos idênticos, de modo que a comparação isola a habilidade da política da sorte da distribuição.
Escopo de verificação: Baralhos pareados reduzem a variância, mas ainda cobrem uma amostra limitada.

Disciplina de promoção

Amostra: Todo candidato antes de chegar à produção
Avaliador: Portão de baralho duplicado combinado com portão ponderado de campo ao vivo
Resultado: Um desafiante só conquista a promoção depois de superar os dois portões, passar no teste de fumaça do motor, e manter o orçamento de tempo.
Escopo de verificação: Triagens curtas podem induzir a erro, então o framework prefere execuções de confirmação mais longas.

Eixos de avaliação com amostra, avaliador, resultado e escopo de verificação.
Eixo	Amostra	Avaliador	Resultado	Escopo de verificação
Cobertura de regime de oponente	Portão ponderado de campo ao vivo abrangendo proxies passivos, balanceados/seletivos, de mudança de fase, de armadilha de classificador e hiperagressivos	Recompensa por mão por oponente, combinada por pesos fixos do manifesto	Um único escore ponderado classifica cada candidato em todo o campo de proxies, então uma fatia de sorte contra um estilo permanece visível em vez de escondida.	Oponentes-proxy aproximam o campo; um benchmark público de torneio permanece pendente.
Controle de variância	Reconciliação de baralho duplicado, seed 20260321	Delta de recompensa por mão em baralho pareado contra a âncora congelada	A linha de base e o desafiante reproduzem baralhos idênticos, de modo que a comparação isola a habilidade da política da sorte da distribuição.	Baralhos pareados reduzem a variância, mas ainda cobrem uma amostra limitada.
Disciplina de promoção	Todo candidato antes de chegar à produção	Portão de baralho duplicado combinado com portão ponderado de campo ao vivo	Um desafiante só conquista a promoção depois de superar os dois portões, passar no teste de fumaça do motor, e manter o orçamento de tempo.	Triagens curtas podem induzir a erro, então o framework prefere execuções de confirmação mais longas.

Como inspecionar este trabalho

Método antes do placar

O bot conquista seu lugar por meio de uma pilha de decisão documentada, ou seja, leituras de oponente ponderadas por sinal, roteamento de modo no estilo bandit e busca condicionada por incerteza, em vez de um único limiar ajustado.

Framework documentado

Cada promoção passa por um manifesto que fixa oponentes, contagens de mãos e pesos de pontuação, e então escreve uma comparação ponderada; a estratégia commitada e as notas de fluxo de trabalho documentam como esse portão funciona, embora os próprios scripts de estudo permaneçam fora da árvore pública.

Verificação do leitor

Leia o framework como autojogo interno contra oponentes-proxy heurísticos; trate os números de recompensa por mão no registro de laboratório como sinal de triagem, e aguarde um benchmark público de torneio antes de lê-los como força de campo.

Estudo de caso

Problema

O pôquer de torneio pune uma estratégia estática: os oponentes vão de estações passivas a maníacos hiperagressivos, e alguns mudam de estilo no meio da partida para atrair um contra-ataque fixo.

Contexto

Pablo construiu um bot em camadas sobre o motor do clube, além de um fluxo de trabalho de estudo que estaciona desafiantes em uma trilha separada, de modo que o código de produção permaneça estável enquanto os experimentos rodam.

Método

O modelo de oponente pondera sinais recentes de aposta por street, tamanho de pote e custo de continuação, sinaliza instabilidade e risco de sinal barato, e alimenta um seletor no estilo bandit que roteia entre os modos solid, pressure, trap, showdown, robust, counter, equity e predator. Um desafiante híbrido adiciona roteamento posterior de regime, pontuação empacotada de EV por bucket abrangendo five action buckets, e uma extensão de maior computação da busca no turn condicionada por incerteza que o bot de produção já executa. A promoção passa por estudos orientados por manifesto com reconciliação de baralho duplicado.

Resultado

A âncora congelada se manteve como padrão de produção porque cada desafiante, incluindo a pilha híbrida mais rica, não conseguiu superá-la no portão ponderado mais longo; o registro de laboratório documenta esse veredito junto com os caminhos dos artefatos.

Escopo de verificação

A evidência permanece em autojogo interno contra proxies heurísticos ao longo de amostras curtas a médias; um número principal de torneio público permanece pendente.

Evidência

O documento de estratégia commitado, a documentação de fluxo de trabalho e o registro de laboratório em andamento documentam a pilha de roteamento, os portões de promoção e cada decisão de aceitar ou rejeitar; os scripts de estudo de baralho duplicado que regeneram as comparações permanecem fora da árvore pública.

Resultados principais

Modelo de oponente ponderado por sinal que separa pressão crível de ruído barato inicial e sinaliza mudanças de estilo
Roteador no estilo bandit entre eight modes especialistas com um termo de exploração no estilo UCB
Desafiante híbrido com roteamento posterior de regime, pontuação de EV em five buckets, e busca no turn condicionada por incerteza
Framework de backtest orientado por manifesto com reconciliação de baralho duplicado e snapshots congelados de release para comparação controlada

Métodos

Modelagem de oponentes
Roteamento de estratégia no estilo bandit
Pontuação de ação por EV em buckets
Busca condicionada por incerteza
Backtesting com baralho duplicado
Framework de estudo orientado por manifesto