# 广东麻将进阶 Resources
## Knowledge
- [广东麻将推倒胡游戏规则—JJ帮助中心](https://www.jj.cn/news/320/20111025103000019369.shtml)
  与课程普通玩法最接近的公开平台规则：136张、不能吃、只能自摸、抢杠胡例外，并列出七对、清一色和十三幺等牌型。用于校准基础规则；计分和买马仍以实际房间为准。
- [论文：Let’s Play Mahjong!—Li与Yan](https://arxiv.org/abs/1903.03294)
  形式化讨论手牌距离、可用牌和候选舍牌的多步价值。用于向听、有效牌、后续改良与舍牌决策；论文简化为108张数牌，不直接覆盖字牌、特殊牌型或红中。
- [论文：A Fast Algorithm for Computing the Deficiency Number of a Mahjong Hand—Yan、Li与Li](https://arxiv.org/abs/2108.06832)
  给出牌块分解和考虑可用牌信息的向听算法。用于解释为何公开耗尽的牌必须改变手牌评价。
- [NIST：Hypergeometric Probability Mass Function](https://www.itl.nist.gov/div898/software/dataplot/refman2/ch8/hyppdf.pdf)
  给出无放回抽样的超几何概率质量函数。用于计算只知道公开牌数时，某牌在牌山或指定暗手区域中的组合先验；它不包含弃牌选择等行为信息。
- [SciPy：Multivariate Hypergeometric Distribution](https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.multivariate_hypergeom.html)
  给出多元超几何分布的概率质量函数、均值和协方差。用于校验全部未见牌种向一个隐藏区域分配的组合概率，并解释各牌种、各隐藏区域并非独立；它同样不包含玩家行为。
- [PyMahjongGB—北京大学人工智能实验室](https://github.com/ailab-pku/PyMahjongGB)
  开源实现基本和牌型、七对和十三幺的向听与有效牌计算；`tile.h`还给出两面、嵌张、边张、有效牌与改良牌的中文术语。第1～5课牌例固定用提交`93fdc2df43927223cff7a9b9b8cf8b02a05fdbfc`的基本和型算法复核；不采用其国标计分，也不支持本课程的万能红中规则。
- [Riichi Book I—Daina Chiba](https://repo.riichi.moe/books/rb1/index.html)
  稳定的实战牌效率教材，第4章明确把五牌块法定义为先识别“四组加一对或其候选”，并要求保留替代拆法。第1～5课只迁移四组加一对的牌形数学，不迁移立直、荣和防守、役种和计分结论。
- [World Riichi Championship Rules](https://www.worldriichi.org/wrc-rules)
  官方列出吃、立直、荣和、振听、宝牌与死墙等立直麻将机制。用于逐项标明源域与本课程规则的差异，证明相关研究的行为参数不能直接移植，不作为广东麻将规则来源。
- [论文：Building a Computer Mahjong Player Based on Monte Carlo Simulation and Opponent Models—Mizukami与Tsuruoka](https://www.logos.t.u-tokyo.ac.jp/~tsuruoka/papers/cig2015mizukami.pdf)
  用弃牌、巡目和公开副露估计对手是否听牌及可能等待。用于说明在特定立直麻将数据下公开行动含有概率信号，同时说明仅凭牌河不能确定还原手牌。
- [论文：Building a Computer Mahjong Player via Deep Convolutional Neural Networks—Gao等](https://arxiv.org/abs/1906.02146)
  从牌谱训练出牌与碰／过等行动策略，并显示碰牌分类仍存在明显误差。用于把“碰或不碰”建成软行动似然，而不是用“不碰＝没有对子”的硬断言；吃、立直等模块不迁移到本课程。
- [研究：Opponent Hand Estimation in Mahjong using Transformer](https://ipsj.ixsq.nii.ac.jp/records/222007)
  将公开牌和行动序列作为输入，以自回归方式估计对手暗手，结果优于从未见牌中随机抽取的基线。用于支持“行动序列含有暗手信息”的方法方向；它不等于本课程要求的“三家暗手＋牌山守恒联合模型”，数据与规则也来自立直麻将。
- [Dwango Media Village：Mahjong Hand Generation](https://dmv.nico/en/casestudy/mahjong_tehai_generation/)
  在同一公开局面下生成多副可能暗手，并比较向听分布、等待概率、可靠性曲线与校准误差。用于支持“输出分布而非唯一暗手”和牌谱工具层的校准流程；其数据仍为立直麻将，小校准误差也不等于动作决策更优。
- [研究：麻雀におけるプレイヤの捨て牌に基づく山牌推定—青木、永井、中村](https://www.jstage.jst.go.jp/article/jceeek/2020/0/2020_233/_article/-char/ja/)
  使用弃牌顺序和副露信息估计牌山剩余。用于“读牌先估剩余分布”的课程边界；研究场景为立直牌局，不能直接搬用数值阈值。
- [论文：Information Set Monte Carlo Tree Search—Cowling、Powley与Whitehouse](https://doi.org/10.1109/TCIAIG.2012.2200894)
  给出在不完全信息博弈的信息集中抽样并搜索决策的方法。用于约束“从合法隐藏状态抽样再比较动作”的工具层设计；它不是麻将专用模型，也不自动解决错误的行动似然或策略融合问题。
- [专著：Sequential Monte Carlo Methods in Practice—Doucet、de Freitas与Gordon](https://link.springer.com/book/10.1007/978-1-4757-3437-9)
  系统说明序贯重要性加权、重采样和粒子方法。用于逐巡保留并更新联合隐藏状态样本；这是通用推断方法，不提供麻将玩家的行动模型。
- [论文：A Tutorial on Particle Filters for Online Nonlinear/Non-Gaussian Bayesian Tracking—Arulampalam等](https://doi.org/10.1109/78.978374)
  给出粒子滤波的递归更新、权重退化、有效样本量和重采样框架。用于校验逐巡粒子算法；麻将的状态转移与行动似然仍需按目标规则定义。
- [论文：Verification of Forecasts Expressed in Terms of Probability—Brier](https://journals.ametsoc.org/view/journals/mwre/78/1/1520-0493_1950_078_0001_vofeit_2_0_co_2.xml)
  提出概率预报的Brier评分。用于检验“听牌概率、持有关键牌概率”是否校准并优于无行为基线，不用于直接评价单局输赢。
- [论文：Strictly Proper Scoring Rules, Prediction, and Estimation—Gneiting与Raftery](https://sites.stat.washington.edu/raftery/Research/PDF/Gneiting2007jasa.pdf)
  系统讨论严格恰当评分规则，包括二次分数与对数分数。用于评价二元及多类概率分布，防止只用命中率奖励过度自信的预测。
- [论文：On Calibration of Modern Neural Networks—Guo等](https://proceedings.mlr.press/v70/guo17a.html)
  说明可靠性图、期望校准误差与后处理校准方法。用于设计概率桶检查，并提醒同时报告每桶样本量；它不是麻将研究。
- [论文：Suphx—Li等](https://arxiv.org/abs/2003.13590)
  将麻将视为多玩家不完全信息决策，并区分公开信息、隐藏信息和运行时更新。用于建立“随每条新信息更新判断”的整体框架，不把AI策略当成人类口诀。
- [黄金岛红中麻将规则](https://www.80166.com/guide/rule/hzzzmj.html)
  展示一种112张、4张红中、不能吃且只能自摸的公开玩法。用于说明红中麻将变体差异，不作为本课程136张完全万能红中的规则来源。
## Wisdom (Communities)
- 实际牌友与牌谱复盘
  优先使用学习者真实房间的完整牌谱或逐巡截图，让同桌玩家说明当地计分和碰杠习惯。用于检验概率判断是否贴近真实对局，而不是用另一种麻将规则代替。
## Gaps
- 通过`bytedcli insearch`、`cloud-docs search`和`bitsai ask`检索麻将、向听、牌块、有效牌、改良牌与未见张数，没有找到可用于第1～5课的ByteDance内部教材或算法资产；返回结果主要是“数仓”等分词误匹配。当前资料包因此以公开论文、开源实现和规则推导为主。
- 尚无高可信资料直接研究“136张、4张完全无限制红中”的向听、有效牌和最优舍牌；正式红中例题需要用规则一致的枚举器机械验证。
- 缺少当前房间的番表、封顶、杠分、庄家和买马规则，因此暂不能给出固定的做大牌或开杠收益阈值。
- 公开的牌河、暗手与牌山推断研究主要来自立直麻将，只能支持“行动有概率信号”和相应建模方法，不能直接提供本玩法的行动似然、听牌率阈值或确定读牌公式。
- 尚未取得与本玩法匹配的完整隐藏状态牌谱。只有终局手牌或只揭示赢家手牌，都不能还原每个冻结时点的三家暗手与有序牌山，因此无法无偏校准持牌概率与牌山后验，也必须防止把终局信息泄漏到先前特征。
- 尚未选定与实际App规则一致、信号质量稳定的公开学习社区。