ML Lab — обзор

🧠 ML Lab — журнал и учебник

Что это

Здесь фиксируется наша совместная работа над одной величиной — калиброванной вероятностью выигрыша P(win | позиция) — и всем, что из неё вырастает: prior для аналитики и оценка для сильного игрового алгоритма. Раздел устроен как книга-журнал: план говорит, куда идём; журнал — где мы и почему свернули; объяснялки — чтобы в любое понятие можно было углубиться на отдельной странице.

Одна величина, две роли

                    ┌────────────────────────────┐
                    │  P(win | позиция [, кости]) │
                    └─────────────┬──────────────┘
              ┌───────────────────┴───────────────────┐
              ▼                                       ▼
   АНАЛИТИКА (explorer)                      БОТ (поиск)
   prior + сглаживание эмпирики              eval на листьях expectimax
   бюджет: миллисекунды                      бюджет: микросекунды

Двигатель прогресса — цикл учитель → студент → поиск: медленный умный оценщик (KCP/Hunter) размечает позиции; быстрый студент (LightGBM / сеть) учится его приближать; студент внутри поиска играет сильнее учителя-статика — и может стать новым учителем. Полное обоснование: win-probability-for-sparse-positions.

Как пользоваться разделом

• 🗺️ Roadmap — живой план (шаги 0–5 с гейтами). Статусы правим по месту, с датой.
• 📓 Журнал — хронология сессий: что сделано, что решено и почему, что дальше. Новые записи сверху. Это точка входа «на чём мы остановились» — и для Jegors, и для Claude.
• Объяснялки — отдельные страницы на каждое понятие (см. дорожку ниже). Если в журнале встречается термин без страницы — это красная ссылка, т.е. заявка на будущую объяснялку.

📚 Учебная дорожка

Порядок, в котором понятия опираются друг на друга:

Ступень 1 — данные и вероятности

1. what-is-lightgbm — градиентный бустинг: наш рабочий инструмент №1.
2. what-is-calibration — как сырой скор модели превращается в честную вероятность.
3. what-is-empirical-bayes — сглаживание «эмпирика + prior», формула из win-probability-for-sparse-positions.

Ступень 2 — оценка позиции и поиск 4. kcp-feature-tactics-vs-search-depth — KCP-фича: тактика против глубины. 5. two-ply-expectimax-over-value-model — поиск с узлами шанса поверх value-модели. 6. rao-blackwellized-monte-carlo — что такое наш Монте-Карло и почему он снижает дисперсию, но не смещение.

Ступень 3 — модели посильнее 7. what-is-distillation — учитель→студент: как знание поиска переезжает в статику. 8. what-is-nnue — крошечная квантованная сеть: KCP-качество за микросекунды. 9. ranking-vs-regression-lambdarank — ранжирование ходов против регрессии оценки.

Эксплуатация и дизайны

• model-artifacts-storage-and-deploy — где физически лежат модели, как их бэкапить и как выкатывать в analytics.
• game-analysis-design — дизайн анализа партий: шкала, удача против решения, оценка ходов (issues analytics#276/#277, ui#206).

Справочные измерения

• corpus-time-and-game-length — длина партий, исходы, флаги по контролям; опора для бюджетов времени.

Контекст и результаты

• model-improvement-results-and-oracle-bots-roster — арка усиления модели: числа и цены.
• candidate-limit-48-vs-24-timed-duel — как правильно мерить силу (и как неправильно).
• value-model-improvement-plan — предыдущий план (выполнен, поглощён этим разделом).

Правило раздела

Каждое серьёзное решение попадает в журнал с «почему»; каждое новое понятие получает свою страницу, когда впервые становится важным. Так раздел растёт как книга, которую можно перечитывать.