NEXT BEST SESSION
系统推荐
先完成一次基准训练
进行20手综合训练后，系统会根据策略差距而不是简单正确率识别你的最大漏洞。
EVIDENCE-GRADED · REPRODUCIBLE · LOCAL FIRST
训练决策，
训练决策，
也验证答案。
从翻牌前到河牌，把行动、频率、尺度、EV、权益与剥削逻辑放进同一套训练闭环。每个节点都显示答案来源、配置与精度，教学模型不冒充求解器。
默认教学基线
6人桌现金局 · 100BB · 无前注 · ChipEV · 求解器数据可本地导入
TRAINING CORE
READY
综合策略评分
—
/ 100
累计决策
0
平均策略差距
0.00 BB
待复训
0
STREET MODULES
按决策阶段建立完整能力
系统采用分层抽样，避免随机牌局反复集中在简单、常见的节点。
RECENT DECISIONS
0 HANDS
还没有训练记录
你的最近决策与策略差距会显示在这里。
01
证据分级
求解器、精确数学、人工校准与动态模型使用不同标签和评分口径。
02
确定性复现
场景索引与训练种子共同固定题目，不会因重新抽样改变答案。
03
按差距评分
混合策略中的低频行动不会被粗暴判错；仅核验数据包显示求解器节点EV。
04
剥削有边界
每次偏离都必须显示证据门槛、调整理由与退出条件。
SESSION BUILDER
配置训练局
先确定训练目标，再由场景引擎在覆盖配额内随机抽取。
GTO 基线
综合训练
1 / 20
本次得分0
策略差距0.00
用时00:00
BB
V
对手
96.5 BB
POT
6.5 BB
FLOP
BTN
H
Hero
96.5 BB
行动历史
A
DECISION REVIEW
参考决策
本手得分95
策略差距0.03 BB
参考权益62%
频率误差0%
跨街执行
MODEL
教练点评
ACTION COMPARISON
全部行动EV与均衡频率
关键数学
0%
对对手继续范围的估计权益
组合与阻断
STRATEGY BASELINE
→
EXPLOIT ADJUSTMENT
- 模型预估增益
- 证据门槛
- 退出条件
PERFORMANCE ANALYTICS
能力分析
正确率只是结果，策略差距、证据等级与重复错误才是训练优先级。
STREET PERFORMANCE
按策略差距加权
LEAK PRIORITY
优先修复
DECISION HISTORY
0 条记录
LEAK REPAIR
错题与漏洞复训
系统优先保留高策略差距、低信心和重复错误的决策。
QUICK REFERENCE
策略速查
训练中最常调用的价格、频率、尺度和剥削原则。
结果口径
内置翻前与翻后题库用于概念和覆盖训练。只有标记为 SOLVER 的导入节点才显示求解器EV；MODEL和CURATED节点展示的是参考差距，不作为精确GTO答案引用。
返回 GTO 系统课程，复习完整理论讲解 ↗
METHODOLOGY & DATA
方法、证据与本地数据
权威性不是界面上的“GTO”标签，而是可复现配置、数据来源、收敛信息和清晰的适用边界。
求解器核验
来自带有效筹码、抽水、起始范围、行动树、算法、迭代次数和收敛度的数据包，可显示节点EV。
精确数学
底池赔率、盈亏平衡弃牌率、MDF和河牌极化比例由公式直接计算。
人工校准参考
固定模板经人工校准，可训练核心概念，但没有求解器收敛证明。
动态教学模型
用于生成大量不重复牌面和角色变式；频率、权益与差距只作教学参考。
导入本地求解器数据
文件只保存在当前浏览器。系统会拒绝缺少配置、收敛信息、行动EV或频率不完整的数据包。
尚未导入
当前训练使用内置分级题库。
备份与恢复训练记录
进度、错题和收藏默认只保存在本机。部署前可导出备份并在另一浏览器恢复。
算法与适用边界
不完全信息博弈中的均衡策略通常通过反事实遗憾最小化等算法逼近。客户端训练器适合消费预计算结果，不应凭牌力阈值现场声称求得完整无限注均衡。
SESSION COMPLETE
A