预算,以及提高它的代价
预算写在 lila 的源代码里(`Work.Origin`):请求分析为一百万节点,官方转播为五百万,自动分析为 300,000 和 100,000。这是有意设计的梯度,算力最多的地方,正是观看的人最多的地方。
搜索时间随节点数增长。我的样本中平均每局有 67 个局面要评估(20,227 个着法分布在 300 局中),二十倍的节点就是每个局面都要二十倍的搜索。对任何人请求分析的每一局来说,差别就是更久的等待,或者二十倍的志愿者。
每个标记比较两个评估值,即你走子前的局面和走子后的局面,换算成胜率,这样在 0.00 处失掉半个兵就比在 +5 处更严重。胜率下降 0.1 为不精确,0.2 为失误,0.3 为严重失误(`Advice.scala`)。所以标记的好坏取决于两端的搜索。如果一百万节点找不到一个局面里藏着的东西,那么放弃它的着法相对于这个数字就没有任何损失。
我的 20.Qd1 就是这种情况:更好的格子只差一路,而惩罚要比一秒搜索所能看到的再晚三着才开始。
二十倍预算改变了什么
在 300 局随机等级分对局(1600 到 2400,取自 2026 年 8 月数据库)上,用同一套公式按 20,000,000 节点重新评估,并排除两端任一存在强制将死的 842 个着法,共比较了 19,385 个着法:
站得住的。 严重失误有 84% 保住了标记。标记在两个方向上的变化数量相当(930 个变重,885 个变轻),所以一局棋的总数几乎不动。在均势时,以及胜负已定之后(六个兵或以上),两次分析是一致的。
会变的。 十个着法里有一个标记会变,大多是不精确。在 1,805 个 Lichess 判定的不精确中,57% 在 20M 下仍是不精确,28% 根本不算问题,15% 其实是失误或严重失误。
在哪里变。 300 局中有十三局存在没被标出的失误,29 局有被标为失误或严重失误、在深搜下却根本不算问题的着法。它们大多落在评估值介于半个兵到三个兵之间的地方,两次分析在这里最不一致(82–87%,而均势附近是 94%)。
用更省的 4M 节点分析九位有头衔棋手最近的对局(共 804 局:七位各约一百局,Gürel 61 局,Giri 20 局),只看他们自己的着法:Lichess 扣在 Magnus Carlsen 头上的失误中,有四分之一在深搜下并不是失误,而对其他人则相反,每五个真正的失误里就有一个被贴了比它应得的更轻的标记。
| 棋手 | 盘数 | Lichess 判的失误+严重失误 | 标记偏轻 | 标记偏重 |
|---|---|---|---|---|
| Magnus Carlsen | 104 | 195 | 18 (11%) | 50 (26%) |
| Alireza Firouzja | 104 | 215 | 45 (20%) | 35 (16%) |
| Eric Rosen | 102 | 225 | 45 (20%) | 43 (19%) |
| Jerry (ChessNetwork) | 104 | 287 | 45 (16%) | 46 (16%) |
| Oleksandr Bortnyk | 102 | 184 | 51 (25%) | 30 (16%) |
| Sergei Zhigalko | 103 | 218 | 53 (22%) | 29 (13%) |
| Dmitry Andreikin | 104 | 165 | 33 (19%) | 26 (16%) |
| Ediz Gürel | 61 | 117 | 37 (27%) | 15 (13%) |
| Anish Giri | 20 | 12 | 3 | 1 |
深搜改变判定的五个局面
每个局面都出自上述对局。棋手走了图示的着法,分析没有给出任何标记,而两千万节点的搜索判定它是失误或更糟,相对的最佳着法是唯一的。棋盘从走子前的局面打开,你可以先自己找更好的着法;往前一步就会看到对局中的着法以及它本应得到的标记,反击手段则是研究里的变例,就在每个棋盘下方一点即可。
Zhigalko,黑方走。 白方刚走 Be5,攻击 c7 的后,黑方做了最自然的事:20...Qd7,把后撤出攻击。分析给出之前 −1.38、之后 −1.30,毫无损失。可是这个后并不需要救。20...Rxd2!以车换轻子,21.Rxd2 之后兵走 21...c3!同时捉住 b2 的后和 d2 的车。白方把后吃回来(22.Bxc7 cxb2 23.Rxb2 Rxc7),最后是一车对黑方的双象加一马:深搜下 −3.2,而回撤只有 −1.3。反击手段以一个亏子的着法开头,这正是一秒搜索永远看不到它的原因。
Bortnyk,黑方走。 20...b5 攻击 c4 的象,分析从 −0.63 变到 −0.41。f5 的象本可以直接吃马:20...Bxe4!21.dxe4,这时另一只马落到 f4,随后 ...e5 把象从 d4 赶走。黑方五着之内赢子,深搜 −2.7;次佳着法即立即 20...Nf4 只有 −0.6。
Bortnyk,黑方走,后的残局。 后加马对后加车,白方唯一的资本是 a 路兵。黑方走了 54...Qf6;分析说从 −1.58 到 −1.03。深搜下 Qf6 之后的局面是死和。54...Qa7+!55.Kg3 Qxa4 带将吃掉那个兵,残局是 −2.1,是胜势。
Carlsen,黑方走。 白后在 g4,马在 e4。Carlsen 走了 15...Ne5 攻击后,分析从 −0.94 变到 −0.43。兵走 15...f5!同时攻击两者:16.Qh3 fxe4 17.Bxe4 之后,黑方以一兵换得一马,评估 −1.9,而次佳着法(15...g6)落后一个半兵。浅层搜索把 ...f5 读成松动王翼、把马的回撤读成安全,两种读法都是错的。
Gürel,白方走。 车的残局,各有一马;黑方 a3 的马无根,白方 d 路兵在 d5。白方走了 31.Nd4,分析从 +1.42 到 +1.06。31.d6!才是正着:车必须挡兵(31...Rxd6),然后 32.Nxa3 白吃一马。深搜 +3.9,而对局着法之后只有 +0.9。
全部 32 个都在这套研究里,按谜题形式编排:先给局面,标出对局中的着法,反击手段作为变例并附上引擎的数值,此外对局后面每一个被 20M 搜索判定的着法都带有自己的标记,旁边是引擎的变例。强制性解法排在前面,因为超出浅层视野的长战术是人能找到的;平静的那些排在后面。
读懂你自己的报告
「零失误」意味着在一百万节点下看不到失误。严重失误是真的,不精确有一半是真的,而那些让对手重新回到你原本领先一两个兵的棋局里的着法,恰恰最有可能不带任何标记。如果某局棋很重要,就用你自己的引擎去跑,让它在 +0.5 到 +3 之间的局面上搜过 25 层再停。
测量方法
随机样本取自2026 年 8 月 Lichess 数据库中每第十局已分析、且双方等级分都在 1600 到 2400 之间的对局:共 300 局,20,227 个带服务器评估的着法。每个局面都经过 Stockfish 18(fishnet 所用的主版本)在单线程、20,000,000 节点下的分析,再用 lila 自己的公式(Advice.scala:胜率落差 0.1、0.2、0.3)生成第二套标记。在有头衔棋手对局中 Lichess 存有标记的 222,183 个着法上,这套公式用 Lichess 自己的评估能以 99.08% 的比例复现这些标记,所以比较的两边都用它。两端任一存在强制将死的 842 个着法被排除;lila 对它们用另外的规则判断。
| Lichess 标记 | 20M 下无标记 | 不精确 | 失误 | 严重失误 |
|---|---|---|---|---|
| 无 | 15,281 | 496 | 13 | 2 |
| 不精确 | 504 | 1,033 | 233 | 35 |
| 失误 | 27 | 190 | 367 | 151 |
| 严重失误 | 12 | 18 | 134 | 889 |
这九位棋手的对局,是公开 API 上他们最近至多一百局已分析的等级分快棋和中速棋(Gürel 为 61 局,Giri 为 20 局;其中七位在 2026 年仍活跃;Carlsen 和 Firouzja 今年没有已分析的 Lichess 对局,所以他们的分别回溯到 2021 年和 2023 年),用更省的 4,000,000 节点分析。在随机样本上,4M 能找到 20M 所找到的略多于一半,所以棋手的比率是下限。一个谜题要留下来,必须满足:所走着法在 20M 下相对最佳着法至少损失 0.2 胜率,且该最佳着法比第二变例好 0.1 以上,搜索三条变例;之后还要满足:对该局面进行第二次独立的 20M 搜索仍判对局着法为失误。第一道关通过 35 个,第二道通过 32 个。这就是 20M 搜索中噪声的量级,也是为什么把更深的分析视为比浅层分析离真相近二十倍,而不是真相本身。
一百万是对的数字吗?
这只测量了曲线上的一个点。一百万是不是合适的预算,取决于中间的那些点:在 2M、4M 和 8M 下,每翻一倍能换来多少一致性;以及如果只在标记不稳定的地方,也就是不精确和半个兵到三个兵的区间上追加搜索,能否以一小部分成本拿到二十倍预算的大部分效果。按这些数字,现行预算在人们据以行动的那个标记,即严重失误上,六次有五次是对的。