WildCat: нужны тестеры

На CEGT рейтинг рейтинг поднялся только на 11 пунктов. Это может быть из-за глюков в системе Эло, т.к. новая играла против более низкорейтинговых противников.

Интересно. NS, вы можете как-то доказать что ваша формула лучше? Лучше всего с кросс-валидацией на какой-нибудь большой базе партий.

Или хотя бы утверждение что ELOstat лучше чем Bayeselo?

Кстати насчёт Wildcat снова. Он удивительно легко расправляется с Colossus 2006f.

Wildcat 7 − Colossus 2006f: 17.5 − 7.5 (текущий счёт)
Wildcat 6 − Colossus 2006f: 27.5 − 10.5

Похоже в колоссе есть какая-то слабость на которой Wildcat успешно выезжает. (Если опустить дежурную присказку что мало партий).

Да, есть такой момент. Шкала Bayeslo немного отличается от шкалы ELOstat. Но это не искажение а просто немного растянутая шкала. Пункт шкалы Bayeselo чуть-чуть отличается от пункта шкалы ELOstat, на где-то около процента. Но это ничему не вредит принципиально.

Bayeselo лучше чем ELOstat тем что учитывает вероятность ничьей и преимущество белого цвета. Так же он лучше справляется со сложными ситуациями, как например система из нескольких лиг с соединяющими турнирами. А доказать какая из формул (ELOstat, Bayeselo или предложенная NS) лучше описывает реальность можно только масштабным экспериментом на большом числе партий.

Нужно сделать эксперимент с разными формулами расчета рейтинга. Тогда можно будет говорить о том, чья формула лучше.
NS, если ты готов сделать такой эксперимент заводи спец. ветку и там будем это обсуждать.

[CCRL 40/40] Wildcat 7 - Zappa 1.1 64-bit: 18.0 - 14.0 (+9-5=18)
[CCRL 40/40] Wildcat 7 - Slow Chess Blitz WV2.1: 16.0 - 16.0 (+9-9=14)

Wildcat огребает люли..

Так они готовили Фрица вовсе не к Крамнику! Все силы были брошены на то, чтобы найти Кошкины слабые места :/

А вот здесь:
http://www.vpittlik.org/wbforum/viewtopic.php?t=6026&sid=45581094220271f3aa7c06740ae657c2
Кошка почти рядом с десятым Фрицем.

Обновился наш рейтинг лист (40/40). Wildcat сыграл уже 451 партию: Результаты, Сравнение с шестой версией.

8-е место среди бесплатных однопроцессорных движков:

Code:

    6 Scorpio 1.8                     2750  +20  -20  48.0%  +14.4   845
    7 Slow Chess Blitz WV2.1          2744  +17  -17  49.1%   +6.5  1156
    8 WildCat 7                       2740  +27  -27  50.7%   -3.9   451
    9 Zappa 1.1 64-bit                2737  +26  -26  45.9%  +29.9   476
   10 List 5.12                       2727  +20  -20  47.1%  +19.4   796

почему я до сих пор не уверен в месте Scorpio на доске почета?! Неужели он настолько хорош?

krey, а ты сыграй с ним в шахматы.

А вообще всё может быть, 800 партий это немного. И, например, в нашем чистом листе (CCRL 40/40 Pure list) для бесплатных однопроцессорных движков Scorpio 1.8 уже делит 9-10 места.

Я думаю он в любом случае в десятке бесплатных движков и, что для меня важнее, третий движок с открытым кодом.

Сейчас тестируются версии 7 и 6.08 на контроле 20 + 10 (пока по 541 партий).
Результат - падение силы: -17 для 7-ой версии и -28 для 6.08.

Похоже все-таки Кошка любит более быстрые контроли.

Очень много.

Результаты моих последних матчей Wildcat 7 (CCRL 40/40):

Wildcat 7 - Rybka 1.0 Beta 64-bit: 5.5 - 26.5 (+2-23=7)
Wildcat 7 - Toga II 1.2.1a 32-bit: 8.5 - 23.5 (+4-19=9)
Wildcat 7 - Spike 1.2 Turin: 10.5 - 21.5 (+5-16=11)
Wildcat 7 - Naum 2.0 64-bit: 12.0 - 20.0 (+4-12=16)
Wildcat 7 - Naum 2.0 32-bit: 12.0 - 20.0 (+5-13=14)
Wildcat 7 - Glaurung 1.2.1 64-bit 1-CPU: 12.5 - 19.5 (+8-15=9)
Wildcat 7 - Scorpio 1.8 1-CPU 4-men-egbb: 18.0 - 14.0 (+16-12=4)

Обновлённый рейтинг и партии будут доступны как обычно в субботу. На этом я пока что сделаю паузу и погоняю другие движки.

неудачно как-то с рыбкой...

Провёл блиц-круговик из четырёх движков (32 круга, контроль CCRL 40/4). Результаты:

55.0 - Wildcat 7
50.5 - Zappa 1.1 64-bit 1-CPU
46.5 - List 5.12
40.0 - Pharaon 3.5.1 1-CPU

Возможно Wildcat 7 действительно сильнее в блице..

Это потому, что я сам блиц больше люблю

Обновился CCRL 40/40. Wildcat 7 уступил восьмое место Заппе: (бесплатные однопроцессорные движки):

Code:

 Rank             Engine               ELO   +    -   Score  AvOp  Games
    7 Slow Chess Blitz WV2.1          2743  +17  -17  49.1%   +6.9  1156
    8 Zappa 1.1 64-bit                2737  +26  -26  45.9%  +29.3   476
->  9 WildCat 7                       2733  +23  -23  45.4%  +31.4   628
   10 List 5.12                       2721  +20  -20  46.8%  +22.0   826
   11 Pharaon 3.5.1                   2716  +20  -20  44.2%  +41.9   844
   12 Ruffian 1.0.5                   2713  +21  -21  46.0%  +26.2   732
   13 Delfi 5.0                       2706  +21  -21  48.0%  +12.3   714
   14 Pro Deo 1.2                     2703  +34  -34  48.3%   +6.3   303
   15 Aristarch 4.50                  2700  +16  -16  43.1%  +49.3  1367
->    WildCat 6                       2699  +22  -22  47.1%  +18.0   680
   16 Jonny 2.83 32-bit               2686  +27  -27  46.4%  +24.0   456
   17 Pseudo 0.7c                     2679  +25  -25  47.5%  +15.5   485

Разница между Wildcat 7 и Wildcat 6: 34 пункта.

Я хочу на всякий случай уточнить что рейтинги CCRL не имеют прямого отношения к человеческим рейтингам. Мы выравниваем наши рейтинги по SSDF, используюя средне-взвешенный ЭЛО 14-ти движков (а может и невзвешенный, не помню уже). Рейтинги SSDF исторически вроде были привязаны к человеческим, но с тех пор прошло много времени, программы стали сильнее, и как теперешние сильные программы сравнимы с человеком никто достоверно не знает.

Так что рейтинг Wildcat 7 может быть как выше так и ниже 2733 по шкале ФИДЕ, и даже существенно. Кроме того нужно учесть контроль времени, человек и компьютер по-разному реагируют не изменение контроля. И ещё.. Наши рейтинги не учитывают книжку. Любой серьёзный матч Wildcat 7 скорее всего будет играть с какой-нибудь книжкой. Толковая книжка легко может прибавить пунктов 100.