PlayerModel y aprendizaje

Diseño completo: design/07-player-model.md. Código: src/musst/learning/.

Qué aprende

Métrica	Definición (éxitos / oportunidades)
aggression	envites / turnos con el lance abierto
bluff_frequency	envites con mano débil revelada / envites con mano revelada
risk_tolerance	aceptaciones con mano débil / aceptaciones con mano revelada
acceptance_rate, rejection_rate, raise_rate	respuestas a envites
ordago_rate	órdagos / oportunidades
mus_rate	mus / turnos de mus

Cada métrica se guarda por contexto: lance (grande, chica, pares, juego, punto, mus) × marcador (ahead, behind, close, even). Así el modelo captura "farolea más en grande cuando va por detrás".

Cómo estima

• Tasa Beta con prior (jugador típico) + back-off jerárquico: un contexto con poca muestra se encoge hacia su padre (lance, *) y este hacia el global.
• Cada estimación lleva su confianza (n / (n + 6)) y una etiqueta Baja/Media/Alta. Nunca se afirma "miente": "P(farol) estimada 68 % (confianza media, n = 14)".

Memorias

Memoria	Implementación
Corto plazo	Observation.history de la jugada actual
Sesión	Learner.recent (olvido rápido, factor 0.6 por partida)
Largo plazo	ModelStore: memoria, fichero JSON o base de datos (factor 0.98)
Perfil	PlayerModel.profile() → pantalla de estadísticas

Solo se guardan contadores, no transcripciones.

Ciclo post-partida

Learner.learn_game(historial público, {asiento: id}):

1. Extrae decisiones con su contexto (learning/extract.py) usando solo eventos públicos y las manos reveladas al final de cada jugada.
2. Actualiza los modelos largo y reciente.
3. Detecta cambios de estrategia: si la divergencia de Jensen-Shannon entre el modelo largo y el reciente supera 0.03 bits, reduce la confianza del modelo largo a la mitad.
4. Genera el resumen privado ("Aceptó 8 de 10 envites", "tendencia a farolear en grande", …).

Validación con jugadores sintéticos

learning/synthetic.py define SyntheticPlayer(bluff, value_threshold, risk_tolerance, shift_after). Los tests comprueban que:

• un jugador con bluff=0.8 se distingue de uno con bluff=0.0 (diferencia > 0.2, confianza > 0.5);
• risk_tolerance=0.9 y 0.1 producen perfiles distintos;
• un cambio de 0 % a 95 % de faroles se detecta como cambio de estrategia.

Perfil y estilo (ampliación)

Además de las tasas anteriores, el modelo mide con las manos enseñadas al final de cada jugada:

Métrica	Significado
bet_with_strong	P(envida al abrir | mano buena, fuerza ≥ 0.65). Bajo = juega de tapado
bet_with_weak	P(envida al abrir | mano floja, fuerza < 0.4). Alto = farolero
accept_with_weak	P(acepta | mano floja)
stakes	Piedras medias envidadas con mano buena, media y floja

PlayerModel.style() resume todo en una etiqueta con su confianza: farolero, arriesgado, conservador, de tapado, cauto, equilibrado, imprevisible (cambió de estrategia en la última partida) o sin datos aún.

Intuir las cartas: el agente de probabilidad pondera cada mundo simulado por P(envite | fuerza) aprendida de ese jugador (interpolando entre lo que hace con mano floja y con mano buena), mezclada con el modelo por defecto según la confianza. Si un jugador cauto envida, sube mucho la probabilidad de que lleve buena mano; si es farolero, bastante menos.

Conteo (CountingAgent): mis cartas y mis descartes (salvo que se rebaraje), y cuántas cartas pide cada jugador: pedir una carta indica que guardaba buena mano.