致谢与授权

全下/弃牌均衡（本站计算） v1.0.0 (近似值)

本站计算: 先为全部 169 手牌建立一对一胜率表（固定种子的蒙特卡洛，每组 30,000 次，与镜像值取平均以平滑噪声），再用 2,000 次虚拟博弈数值求解全下或弃牌子博弈。牌张移除按精确计数，而非近似。

这不是照抄公开的纳什表，而是对本仓库内简化模型的数值求解。胜率矩阵本身来自蒙特卡洛（与公开数值最大相差 0.26%），而下列简化（不含多人底池、跟注范围不随位置变化）使它离真正的均衡更远。

• 假设无人进池：英雄之前的玩家全部弃牌
• 适用于 1 至 25BB。比这更深就需要全下/弃牌以外的选择，本表无法判断
• 英雄只能全下或弃牌，不建模中间尺度的加注
• 身后玩家依次行动，出现第一个跟注即结束该手（不建模多人跟注）
• 跟注范围按（跟注方，全下方）每一对单独求解
• 不建模跟注者之后再出现的冷跟
• 只看筹码 EV，不套用 ICM（ICM 决策在 M5 单独处理）
• 假设所有人的有效筹码与英雄相同
• 前注采用大盲前注制：由一名玩家代整桌支付

翻牌前范围表（近似） v2.1.0 (近似值)

依经验法则生成: 手牌按对随机手牌的全下胜率在全部 169 个组合上排序，并加入可玩性修正（同花 +0.035 / 对子 +0.02 / 连张最高 +0.025 / 踢脚弱的非同花 A -0.02）。开池、跟注、3-bet、4-bet 的频率与尺度取自通用数值，实际手牌集合按百分比从该排序中截取。3-bet 与 4-bet 分为价值部分与诈唬部分（较弱的同花 A 与连张）。

没有求解包含翻牌后的均衡，因此与 GTO 求解器的输出并不一致。手牌的顺序是算出来的，但在哪里划线、哪些手牌拿来诈唬、以及尺度，全都是经验法则。

• 假设为带前注的比赛
• 不求解包含翻牌后的均衡。这是由排序加百分比得出的近似
• 开池频率（枪口位约 15% 到按钮位约 45%）是通用数值，按流派会有几个百分点的差异
• 跟注、3-bet、4-bet 的频率，依开池者的宽度与位置用经验法则设定
• 诈唬手牌从较弱的同花 A 和同花连张中机械选出
• 加注的价值部分，从把同花 AK、AQ 提到中对之上的排序中截取（只看原始胜率会得到从不 3-bet AKs 的范围）
• 筹码深度调整为固定系数：15 至 25BB 为 0.85 倍，50BB 以上为 1.1 倍
• 不建模多人底池（跟注者超过一人）

翻牌前全下胜率矩阵 v1.0.0 (近似值)

本站计算: 固定随机种子的蒙特卡洛，每组对战 30,000 次。取该值与镜像值的平均，以平滑噪声。

蒙特卡洛估计值。与完全枚举求得的九个参考值相比，最大误差为 0.26%。

• 169 个起手牌类别之间的翻牌前全下胜率
• 对类别内所有组合取平均，因此不是某一具体花色组合的数值
• 平局计为半胜

翻牌后持续下注简化模型 v1.0.0 (近似值)

本站计算: 在上述假设下计算每个动作（过牌、1/3、2/3、等池下注）的筹码 EV，推荐 EV 最高者。这不是求解器的输出。

这不是求解器，而是建立在上述五个假设之上的单街简化模型。忽略加注和后续街道，会高估过牌的价值、低估诈唬的价值。这不是 GTO。

• 只评估一条街（转牌之后的打法不建模）
• 对手从不加注，只跟注或弃牌
• 对手正好按 MDF = 底池 /（底池 + 下注）防守，从胜率最高的牌开始
• 过牌则直接摊牌，按胜率分底池
• 下注被跟也在此摊牌
• 假设为单次加注的单挑底池