Poker Sense आपके Decisions को कैसे Grade करता है

आपने अभी Poker Sense में एक training हैंड खत्म किया। आप big blind में थे – वह seat जो किसी को cards deal होने से पहले दो forced bets में बड़ी वाली post करती है – और आपने spades के Jack और Ten के साथ एक preflop raise call किया। Flop, पहले तीन shared cards, आया Queen of spades, Nine of spades, Four of hearts। आपने check किया, आपके opponent ने लगभग half पॉट bet किया, और आपने stock लिया: एक open-ended straight ड्रॉ (कोई भी King या Eight एक straight पूरा करता है) plus एक flush ड्रॉ (एक और spade एक flush बनाता है)। Call करना ठीक लगा। आपने call किया।

Grade वापस आया: GOOD। नीचे, एक line: “मान्य line। Raise 68% बार मुख्य प्ले है।”

Good? Great नहीं? आपके पास एक monster ड्रॉ था, आपने careful line ली, और लगता है computer raise चाहता था – लेकिन सिर्फ 68 percent बार, जिसका जो भी मतलब हो। जो असली सवाल उठाता है। एक poker decision पर एक grade का असल में मतलब क्या है? Poker luck का एक गेम है, और math खुद अक्सर कहता है वही हैंड दो अलग तरीकों से खेलें। क्या एक single decision को grade किया भी जा सकता है?

किया जा सकता है, लेकिन उस तरीके से नहीं जो ज़्यादातर लोग मान लेते हैं। यह walk through करना कि Poker Sense असल में यह कैसे करता है यह देखना निकलता है कि poker decisions के बारे में सामान्य तौर पर कैसे सोचें – शुरू करते हुए इससे कि grade करने का obvious तरीका क्यों fail करता है।

Grade करने का Obvious तरीका, और यह क्यों Fail करता है

एक poker decision को grade करने का obvious तरीका यह मापना है कि इसकी कीमत क्या थी। Modern poker strategy solvers से आती है: programs जो एक situation को खुद के खिलाफ लाखों बार खेलते हैं जब तक वे एक Game Theory Optimal strategy पर converge न हो जाएं – छोटे में GTO – यानी एक ऐसी strategy जिसे exploit नहीं किया जा सकता चाहे opponent कुछ भी try करे। किसी भी स्पॉट के लिए, एक solver आपको हर एक्शन की expected value बता सकता है: वह average amount जो वह एक्शन लंबे समय में जीतती या हारती है, किसी भी एक हैंड की luck को average out करते हुए। तो बस अपनी चुनी हुई play को best available play से compare करें। Average profit में gap आपका grade है। Simple।

यहां problem है, और यह इस पूरी पोस्ट का mathematical heart है। ज़्यादातर flops पर, solver एक एक्शन नहीं चुनता। यह एक mixed strategy खेलता है: एक ही स्पॉट में एक ही हैंड के साथ, यह कभी raise करता है कभी call, specific frequencies पर। और equilibrium पर – वह state जहां दोनों players perfectly खेल रहे हैं और कोई भी कुछ बदल कर कुछ नहीं कमा सकता – एक mixed स्पॉट में solver जो भी एक्शन असल में इस्तेमाल करता है उसकी exactly वही expected value होती है।

यह कोई coincidence नहीं है। यही वजह है mixing exist करने की। अगर raise करना call करने से थोड़ा भी ज़्यादा पैसा कमाती, solver 68 percent बार raise नहीं करता; यह 100 percent बार raise करता, क्योंकि solvers profit के मामले में निर्दयी हैं। एक mix सिर्फ तभी survive कर सकता है जब उसमें के एक्शंस precisely tied हों। Game theorists इसे indifference principle कहते हैं: equilibrium पर आप mix में एक्शंस के बीच indifferent हैं, क्योंकि वे identically कमाते हैं।

अब देखिए यह obvious grading scheme के साथ क्या करता है। Jack-Ten हैंड में आपका call? Zero expected value खोई। App ने जिसे main play कहा वह raise? भी zero। Fold करना – वह इकलौता एक्शन जो solver उस हैंड के साथ कभी नहीं लेता – सिर्फ यही खर्चा करता है। सिर्फ EV loss से grade करें और लगभग हर postflop decision जो थोड़ा भी reasonable हो “perfect” वापस आता है। एक report card जहां लगभग सब कुछ A है वह feedback नहीं है। यह wallpaper है।

वह Signal जो EV Loss नहीं देख सकता

तो Poker Sense किसी ऐसी चीज़ के खिलाफ grade करता है जिसके लिए EV loss अंधा है: solver की frequencies।

जब solver 68 percent raise करता है और 32 percent call, दोनों एक्शंस ठीक हैं – लेकिन habits के तौर पर वे identical नहीं हैं। आपके opponents कभी एक decision के खिलाफ नहीं खेलते; वे आपकी पूरी रेंज के खिलाफ खेलते हैं, यानी हर हैंड जो आप एक given एक्शन लेते समय hold कर सकते हैं। एक player जो ऐसे स्पॉट्स में हर बड़े ड्रॉ के साथ call करता है वह, एक-एक free decision करके, solver से अलग रेंज बना रहा है। उसकी raises सिर्फ strong made हैंड रखती हैं, जो उन raises को खिलाफ खेलना आसान बनाता है। उसकी calls ड्रॉज़ से भरी हैं, जो straight card या flush card लैंड होते ही उसकी बाद की bets पढ़ना आसान बनाता है। हर individual call ने equilibrium पर कुछ खर्च नहीं किया। Habit चुपचाप उसे एक अलग strategy पर ले गया – एक ऐसी strategy जिसके लिए “कुछ खर्च नहीं होता” वाली guarantee कभी दी ही नहीं गई थी।

यही वह insight है जिस पर पूरा verdict system बना है। Frequency alignment वह signal है जो EV loss नहीं देख सकता। जब आपका एक्शन solver की strategy के अंदर हो, useful सवाल “इसकी कीमत क्या हुई” नहीं है (कुछ नहीं) बल्कि “यह एक्शन strategy के कितने केंद्र में है।” जब आपका एक्शन इसके बाहर हो, cost बिल्कुल सही सवाल बन जाता है, क्योंकि अब genuinely एक cost है।

छह Verdicts

Poker Sense हर decision को छह verdicts में से एक में sort करता है। पहले तीन का मतलब है आप solver की strategy के अंदर थे, और वे सिर्फ इसमें अलग हैं कि solver आपने जो किया वह कितनी बार करता है। आखिरी तीन का मतलब है आप इससे बाहर थे, और वे सिर्फ इसमें अलग हैं कि detour कितना महंगा था। Cost big blinds में मापी जाती है – वह forced bet जो आपने post किया, poker की standard measuring unit, आमतौर पर छोटा करके bb कहा जाता है।

GREAT का मतलब है आपने primary play चुनी, वह एक्शन जो solver सबसे ज़्यादा बार लेता है – या एक एक्शन जो solver primary जितनी बार के 10 percentage points के अंदर खेलता है। वह दूसरा clause मायने रखता है। जब solver 52 percent raise करता है और 48 call, calling एक lesser choice नहीं है; यह एक genuine coin flip का आधा है, और वैसे ही grade होता है।

GOOD का मतलब है आपने एक ऐसा एक्शन चुना जो solver एक meaningful हिस्सा समय लेता है: 15 percent या ज़्यादा। आपका Jack-Ten call यहां आता है। Solver उस हैंड को ज़्यादातर समय raise करता है और बाकी का ज़्यादातर call करता है, तो calling strategy का एक असली हिस्सा है। बस headline नहीं।

OKAY का मतलब है आपका एक्शन solver की strategy में है लेकिन rare: 15 percent से कम। कुछ नहीं खोया, माफी मांगने को कुछ नहीं। लेकिन अगर आप उसी तरह के स्पॉट में बार-बार यहां land करते रहें, strategy का center of gravity कहीं और है जहां आप नहीं हैं।

IFFY का मतलब है आप strategy से बाहर गए, लेकिन सस्ते में: 1.5 big blinds से कम expected value खोई। समय के साथ असली पैसा, आज कोई emergency नहीं।

MISTAKE का मतलब है detour ने 1.5 से 3 big blinds की कीमत चुकाई। ये वे decisions हैं जहां focused study सबसे तेज़ी से pay off करती है।

BLUNDER का मतलब है 3 या ज़्यादा big blinds खोई गईं। Jack-Ten हैंड में, उस पंद्रह-out monster ड्रॉ को आधे-पॉट bet के सामने fold करना कई big blinds जलाएगा और यहां land करेगा। हर किसी के अंदर blunders होते हैं; training में अपने खुद के ढूंढने का point यह है कि training चिप्स free हैं।

एक और number इसे साथ बांधती है: आपकी session accuracy बस उन decisions का percentage है जो GREAT या GOOD grade हुए। यह एक quick read है कि आप strategy के center के कितने पास रहे।

“Close Spot” का असल मतलब क्या है

कुछ स्पॉट्स बिल्कुल भी close नहीं होते – solver लगभग हमेशा एक एक्शन लेता है, और कुछ भी और एक leak है। लेकिन बहुत सारे स्पॉट्स genuinely mixed होते हैं, दो या ज़्यादा एक्शंस के साथ जो near-equals हों। अगर solver 45 percent bet करता है और 55 check करता है, वे plays practically twins हैं। Indifference principle कहता है वे बराबर कमाते हैं, और frequencies कहती हैं solver मुश्किल से किसी भी दिशा में झुकता है।

कल्पना करें आपको बताया जाए कि आप उस स्पॉट में bet करने के लिए “fail” हो गए। वह teaching नहीं होगी; यह noise होगी। और भी बुरा, यह आपको ऐसी situations में एक single सही जवाब ढूंढना train करेगी जहां पूरा mathematical point यही है कि कोई एक जवाब है ही नहीं।

तो जब कोई स्पॉट close हो, Poker Sense यह कहता है। GREAT के अंदर 10-point window ठीक इसी के लिए exist करती है, और जब किसी लगभग बराबर बँटे mix में आप solver की top choice के बजाय दूसरी तरफ़ का प्ले चुनते हैं, तो grade के नीचे की line इसे सीधे कह देती है: “सही प्ले। यह स्पॉट असल में मिश्रित है।” वह line app का आपको बताना है कि कहां worry खर्च न करें। जो हैंड घर की drive पर replay करने लायक हैं वे वे हैं जहां आप और solver genuinely अलग हुए – coin flips नहीं।

Grade एक शब्द क्यों है, एक Number नहीं

कुछ training tools raw output के साथ lead करते हैं: bet 2.31 big blinds की है, check 2.28 की। Poker Sense यह सब भी calculate करता है – यह बिल्कुल वैसे है जैसे IFFY, MISTAKE, और BLUNDER की boundaries खींची जाती हैं, बड़े deviations को precisely इससे grade किया जाता है कि वे कितनी big blinds जलाते हैं – लेकिन grade खुद कभी एक decimal के तौर पर नहीं आता। दो कारण।

पहला, false precision। Solver outputs converged approximations हैं: solver तब तक चलता है जब तक उसकी strategies एक tolerance से ज़्यादा move करना बंद न कर दें, फिर रुक जाता है। Reasonable lines के बीच का अंतर अक्सर एक big blind के हज़ारवें हिस्से का होता है, खुद approximation के noise में नीचे। तीसरी decimal place जानकारी जैसी दिखती है। यह नहीं है।

दूसरा, शब्द यहां numbers से बेहतर सिखाते हैं। “आपने 0.03bb खोई” आपको squint करवाता है और सोचने पर मजबूर करता है कि क्या यह ज़्यादा है। एक sentence आपको बताता है कि अभी जो हुआ उसके साथ क्या करना है। तो हर decision को एक-line, plain-language insight मिलती है: “मान्य line। Raise 68% बार मुख्य प्ले है।” जब आपने कोई असली लेकिन secondary option लिया हो। “सही प्ले। यह स्पॉट असल में मिश्रित है।” जब आपने किसी लगभग बराबर बँटवारे में दूसरी तरफ़ का option लिया हो। “बड़ी चूक। Check यहाँ मुख्य प्ले है।” जब आप कहीं महंगी जगह भटक गए। एक line, और आपको पता है आगे बढ़ना है या यहीं रुककर इसे गहराई से समझना है।

Clear रहने के लिए, कोई detail hidden नहीं है। एक decision के बाद आप रेंज view खोल सकते हैं और पूरा solver breakdown देख सकते हैं – हर हैंड जो आप hold कर सकते थे, हर एक्शन की frequency, और हां, EVs। अंतर यह है कि क्या lead करता है: grade आपको पहले एक sentence देता है और decimals को वहां रखता है जहां curious लोग उन्हें ढूंढ सकें, बजाय आपको खुद interpret करने पर मजबूर करने के।

एक Grade आपको क्या नहीं बता सकता

यहां किसी भी grading system की honest limit है: एक grade एक divergence locate कर सकता है, लेकिन यह उसे explain नहीं कर सकता। GOOD, “मान्य line। Raise 68% बार मुख्य प्ले है।” के साथ, आपको बताता है कि आपके instincts और strategy कहां split हुए। यह आपको नहीं बताता कि solver उस ड्रॉ को raise करना क्यों पसंद करता है।

Why वहीं है जहां learning रहती है, और यही Ask Why coaching का काम है। Jack-Ten हैंड के बाद इसे tap करें और AI coach recommended play के पीछे की reasoning explain करता है: आपका ड्रॉ इतना strong है कि आप उन हैंड्स के खिलाफ भी लगभग coin flip के करीब हैं जो continue करते हैं, तो raise करना आपको जीतने के दो तरीके देता है – आपका opponent अभी fold करता है, या आपके पंद्रह cards में से एक आता है – और अपने हैंड के इतने potential के साथ पॉट build करने का मतलब है, जिन बार आप वहां पहुंचते हैं, आप ज़्यादा जीतते हैं। वह reasoning अगले बड़े ड्रॉ तक transfer होती है जो आपके पास हो, एक ऐसे बोर्ड पर जो आपने पहले कभी नहीं देखा। Grade ने gap ढूंढा; conversation उसे भरती है। Free tier पर आपको रोज़ 20 practice हैंड और 3 coaching conversations मिलते हैं, जो उन हैंड्स पर क्यों पूछना एक habit बनाने के लिए काफी है जो आपको surprise करते हैं।

निष्कर्ष

एक grade एक mirror है, एक player के तौर पर आप पर एक verdict नहीं। यह एक decision को एक strategy के खिलाफ compare करता है: strategy के अंदर, यह आपको बताता है आपका एक्शन कितना central था; बाहर, यह आपको बताता है detour ने big blinds में क्या कीमत चुकाई। यही सब यह claim करता है जानने का – और indifference principle की वजह से, यही सब है जो कोई honest grade claim कर सकता है।

आपकी accuracy number को भी वही honesty deserve करती है। GREAT या GOOD grade हुए decisions का percentage एक practice metric है, आपकी win rate नहीं। Variance अभी भी आपकी शुक्रवार रात decide करेगा; आप 85 percent accuracy पर खेल सकते हैं और फिर भी तीन buy-ins हार सकते हैं, जबकि जो आदमी सब कुछ call करता है वह साल का सबसे बड़ा पॉट खींच ले जाता है।

तो हां – luck और mixed strategies के एक गेम में भी, एक decision को grade किया जा सकता है। इससे नहीं कि यह जीती या नहीं, और एक decimal से नहीं जो math के पास मौजूद precision से ज़्यादा दिखावा करे, बल्कि इससे कि यह एक ऐसी strategy के relative कहां बैठती है जिसे धकेला नहीं जा सकता। Grade आपको दिखाता है कहां आप और वह strategy अलग होते हैं, हैंड दर हैंड। आप इसके साथ क्या करते हैं वही असली training है।