开始碾压
麻将对局

GTO（博弈论最优）在麻将中并非单一纳什均衡解，而是指在给定规则与信息下期望收益最大的决策。本站用「解析解 + 蒙特卡洛 EV + 模型蒸馏」三层架构逼近这一目标：开局以进张解析解为准，中局由 EV 模型给出期望收益最高的打牌选择。

对照实验显示：开局手牌的 EV 标签噪声远大于中局，模型在开局域与解析解的一致率仅 0–38%。因此确立「解析解为开局权威、模型管中局」的原则，开局结构表全部由 ukeire 解析解生成，并附带模型对照一致率供参考。

类比德州扑克的起手范围表：按「向听数 × 搭子数 × 对子数 × 孤张字牌」把 13 张起手牌聚类为 20 类结构，每类给出标准打牌方针、进张数量与模型对照。答题时解析栏会提示「本手属于哪类结构」，帮助你把具体牌例归纳成通用认知。

题库来自实战牌谱挖掘（1,526 手已打结构标签，82% 落入 20 类标准结构），并有持续挖掘管线在补充新题。当前生产模型为 model-e2，中局一致率 38.3%，优于真实基线的 33.3%。

支持。可以按巡目（0–28 巡）、结构类别、题组规模自定义训练；答题后有即时 EV/GTO 反馈、策略频率展示与结构标签提示，错题自动进入复盘队列。

建议每天 15–30 分钟：一轮 20 题何切训练 + 一次错题复盘。高频短时比低频长时更利于形成决策直觉；配合每日一题功能保持手感即可。