棋谱质量排行榜 · 评分规则

一、两榜的分工

两榜互相印证：一个棋手若等级分中等但质量分很高，说明棋力其实高于战绩， 很可能经常遇到强手或在关键局吃亏；反之则说明战绩好于内容，赢棋过程较为惊险。

二、每盘棋怎么评

每一盘被收录的棋谱都会经过 AI 引擎分析，得到以下几项：

• 综合表现分：最重要的一项。综合每一步与最佳着法的差距给出评分，1 分为最差、10 分为最好。失误越少、越接近最优解，分数越高；
• 失误数：本局中出现明显偏差的着法数量；
• 激烈度：局面争夺的激烈程度与战术含量。这很重要，见下面第五条；
• 分阶段数据：同一局棋会拆分为开局、中局、残局分别评分，因此可以按阶段单独排名。

三、哪些棋局计入

并非所有棋局都参与评分，以下几类会被排除，以保证榜单的可比性：

四、★ 三道同一起跑线的校正

直接把每个人所有棋局的表现分拿来平均是不公平的： 有人常年在和棋居多的慢棋里磨，有人专打你死我活的开局； 有人总遇到简单的平稳局面，有人每盘都要处理复杂对杀。 为了把这把尺子拉平，本站做了三道工序。

1. 分层标准化：先比同类，再加权汇总

把全部棋局按两个维度分到不同的层：

• 结果层：本局是和棋，还是分出了胜负；
• 激烈度层：按激烈度从低到高切成 8 档，每一档的棋局数量自动均等。

然后，先算出「全库每一层的平均表现分」，再把每个棋手各层的表现，按全库的层构成重新加权。 这样一来，比较的是：

它剔除了「对手是谁、局面难不难」带来的差异，只留下棋手本人的发挥。

2. 贝叶斯收缩：谱越多，分数越可信

即使做了分层，谱数不同的人可信度仍然不同——下 71 局的人可能刚好手风顺， 下 800 局的人才真正稳定。因此质量分采用收缩算法：

• 谱数很少时，分数被拉向全库均值，不容易凭几十局偶然高分冲上榜首；
• 谱数累积越多，收缩的影响越小，个人真实水平的主导作用越强；
• 这是本站防止「小样本刷榜」的核心手段。

3. 激烈度调节：平稳棋不加分，激烈对杀不含糊

分层校正保证了「比较的公平」，但还有最后一个问题：平稳的对局里， 着着接近最佳解是常态，AI 给的表现分天然偏高——专下四平八稳的棋， 照样能把分数磨得很高，这就是「太稳的棋占便宜」。 2026 年 11 月起，质量分加入一道激烈度调节：

• 激烈度高于全库平均的棋手获得轻度加成，低于平均的被轻度扣减； 系数刻意取得很小（0.02），只为纠正「平稳棋得分虚高」的系统性偏差， 不主导排名——名次仍以棋谱准确度为主；
• 调节量随谱数收缩：谱少的人激烈度偶然性大，调整幅度小；谱多的人调整充分；
• 它鼓励的是在复杂激烈局面里同样少失误的棋——既要下得准，也要下得有内容， 而不是靠反复平稳兑子磨高分。

五、超额表现（残差）怎么看

榜上还有一个超额表现字段，含义是：

它同样经过谱数加权处理。这个值的意义在于跨水平比较： 等级分 2600 的人表现通常天然优于 2300 的人，但「比自己这个档位强多少」是可以横向比较的。 想要找「被等级分低估的棋手」，看这个字段最有意思。

六、四个阶段榜与两个棋风榜

同一批棋谱可以产出六个独立榜单，在排行榜页「阶段 / 棋风」维度按需切换：

七、榜单字段说明

八、常见问题

为什么我下了很多棋却没能上榜？

榜单要求有效谱数 ≥ 71 局。被剔除的常见原因：棋局不足 20 着、 和棋且不足 28 着、某些阶段不足 10 着。另外棋局的对手身份需要可识别，否则无法归入你的档案。

我的质量分和原始均分差很多，正常吗？

正常，而且这正是分层校正起作用的证据。差值大说明你的棋局构成与全库平均水平有明显不同 （比如你打的比赛更容易出分胜负，或对手整体偏强）。看名次请以质量分为准。

胜局会得到更高的质量分吗？

不直接得到。结果只作为分层依据之一，用来保证「赢棋的人」和「输棋的人」在同一标准下比较。 一盘输棋只要全程少失误，表现分照样可以很高。

为什么同一盘棋，我的分比对手低？

AI 逐着独立评估双方：谁在关键节点偏离最佳解更多，谁的分就更低。这是逐着质量的差异，与胜负无关。

我的棋很少失误，为什么质量分不算顶尖？

除了准确度，榜单还计入激烈度：平稳对局中少失误是常态，含金量相对低； 在激烈对杀、复杂攻防中依然保持高准确率，才是质量榜最认可的表现。

分数多久更新一次？

随棋谱收录与 AI 分析进度滚动更新，不定期全量重算。重算会包含新收录的棋局，因此名次会有小幅波动。