模型自学习

ai-review 定时任务复盘近期误差后**自动调整参数**(限幅生效，不再人工审核)，并对未来比赛补充伤病/动机/天气等定性因素。每次调整都留有理由与 from→to 历史，发现不对会由 Brier 自动调参或下次复盘继续自我修正。

说明:Claude 不「训练/微调」统计模型(LLM 无法被这样训练);它负责分析与定性增强,真正的参数拟合由下方确定性引擎完成。

自动调参引擎（演示）

Brier 0.2316 → 0.2079,已采用新参数

这是在内置历史样本上的只读演示。线上由 auto-tune 定时任务在每批比赛结束后执行并写回生效参数。

当前生效参数

调参日志

• 2026-08-15 21:300.2357 → 0.2357保持
• 2026-08-14 21:300.2357 → 0.2357保持
• 2026-08-13 21:300.2357 → 0.2357保持
• 2026-08-12 21:300.2357 → 0.2357保持
• 2026-08-11 21:300.2362 → 0.2357已采用
• 2026-08-10 21:300.2360 → 0.2348已采用
• 2026-08-09 21:300.2357 → 0.2357保持
• 2026-08-08 21:300.2357 → 0.2357保持
• 2026-08-07 21:300.2357 → 0.2357保持
• 2026-08-06 21:300.2357 → 0.2357保持
• 2026-08-05 21:300.2357 → 0.2357保持
• 2026-08-04 21:300.2357 → 0.2357保持
• 2026-08-03 21:300.2357 → 0.2357保持
• 2026-08-02 21:300.2357 → 0.2357保持
• 2026-08-01 21:300.2357 → 0.2357保持
• 2026-07-31 21:300.2357 → 0.2357保持
• 2026-07-30 21:300.2357 → 0.2357保持
• 2026-07-29 21:300.2357 → 0.2357保持
• 2026-07-28 21:300.2357 → 0.2357保持
• 2026-07-27 21:300.2357 → 0.2357保持
• 2026-07-26 21:300.2357 → 0.2357保持
• 2026-07-25 21:300.2357 → 0.2357保持
• 2026-07-24 21:300.2357 → 0.2357保持
• 2026-07-23 21:300.2357 → 0.2357保持
• 2026-07-22 21:300.2357 → 0.2357保持
• 2026-07-21 21:300.2357 → 0.2357保持
• 2026-07-20 21:300.2357 → 0.2357保持
• 2026-07-19 21:300.2357 → 0.2357保持
• 2026-07-18 21:300.2357 → 0.2357保持
• 2026-07-17 21:300.2357 → 0.2357保持
• 2026-07-16 21:300.2357 → 0.2357保持
• 2026-07-15 21:300.2357 → 0.2357保持
• 2026-07-14 21:300.2357 → 0.2357保持
• 2026-07-13 21:300.2357 → 0.2357保持
• 2026-07-12 21:300.2357 → 0.2357保持
• 2026-07-11 21:300.2358 → 0.2358保持
• 2026-07-10 21:300.2357 → 0.2357保持
• 2026-07-09 21:300.2360 → 0.2360保持
• 2026-07-08 21:300.2364 → 0.2360已采用
• 2026-07-07 21:300.2372 → 0.2372已采用
• 2026-07-06 21:300.2374 → 0.2373已采用
• 2026-07-05 21:300.2371 → 0.2371保持
• 2026-07-04 21:300.2350 → 0.2349已采用
• 2026-07-03 21:300.2363 → 0.2362已采用
• 2026-07-02 21:300.2355 → 0.2355保持
• 2026-07-01 21:300.2366 → 0.2363已采用
• 2026-06-30 21:300.2360 → 0.2360保持
• 2026-06-29 21:300.2387 → 0.2359已采用
• 2026-06-28 21:300.2354 → 0.2354保持
• 2026-06-27 21:300.2349 → 0.2347已采用

Claude 自动调参历史

复盘后自动应用（限幅生效），保留理由与 from→到 历史，可审计回溯；后续发现不对会继续自我修正。

• 90场样本显示大小球端存在明显过乐观:模型几乎全选over(平均prob约0.78-0.82),但实际over命中率仅约56%(50/90)。低比分结果密集(7场0-0、13场1-1),说明期望进球被系统性高估。让球端74%命中且平均概率~0.58,反而略欠信心,不需大改。市场校准盘对进球总数的估计通常更保守,应加权更多市场;主场进球加成偏乐观贡献了部分overs偏差;Dixon-Coles的rho略偏浅,可再负一点以给0-0/1-1更多质量。让球方面变化保持保守小步。2026-07-05 22:00
  偏差：大小球显著过自信偏向overs:平均over概率~0.80 vs 实际over率~0.56,Brier端有明显偏差,尤其在中高分差比赛(B系列、G系列、H系列)频现1-1、0-0；轻微高估主场进球产出:homeAdvantageGoals=0.25下,主场选边在中性势均力敌样本(A4、C1、F1、F5、G5、L6)多次未过盘,提示主场加成偏高；低比分尾部质量不足:rho=-0.12下0-0与1-1的联合概率仍偏低,不能匹配观察到的高频平局与铁桶比分；让球端反而略欠自信:平均prob~0.58而命中率~74%,但样本混杂高确信爆冷(1.0概率两场全中),不建议现在放大信心
  marketBlendWeight0.7 → 0.75— 市场盘对总进球通常校准更好,提高混合权重可直接压低模型端过乐观的over概率,是对overs偏差最直接、副作用最小的杠杆
  homeAdvantageGoals0.25 → 0.22— 主场favorites在均势对决中盘口未过频率偏高,同时也贡献了整体进球期望偏高;小幅下调既缓解主场偏乐观又降一点overs概率
  rho-0.12 → -0.14— 观察到大量0-0/1-1;将rho向更负微调可把概率质量向低比分平局迁移,轻度压低over端,校准更贴近实际分布
• 72场样本中,让球选边命中55/72≈76%,而平均让球概率约0.60,模型在让球侧偏保守(略欠自信);大小球几乎全部押Over(69/72),命中率仅约57%,而平均预测概率约0.75,系统性高估进球数,尤其在强弱悬殊场次(如B1/B2/G1/G3/H1/H2 预测Over≥0.88却出现1-1或0-0)。主队/客队命中率接近(80% vs 74%),未见明显主场高估。Brier主要损失来自Over端过度自信。建议小步降低强弱不对称场次的λ膨胀,并提高对市场的权重以拉平大小球乐观。2026-06-28 22:01
  偏差：大小球(Over)系统性过度自信:平均预测概率比真实命中率高约18个百分点,Brier损失集中于此；强弱悬殊场次进球期望过高:多场预测Over≥0.9的比赛实际打出低比分,提示攻防权重/最大让步对λ_total的放大过强；让球端略偏欠自信(预测概率低于真实命中率约15pp),但样本中picks偏向客队/盘口大边,不足以反向调homeAdvantage；主场优势未见显著偏差,homeAdvantageGoals暂不动；rho=-0.12已较深,继续加深对Over高估的边际改善有限
  marketBlendWeight0.65 → 0.7— Over端模型相对市场显著乐观,稍微提高市场锚的权重,把大小球分布向去水盘口拉平,直接改善Brier;让球端虽欠自信但picks方向正确,blend上调0.05幅度温和,负面影响可控
  attackDefenseWeight0.5 → 0.42— 强弱差距大的场次(瑞士-卡塔尔、加拿大-波黑、比利时-伊朗、西班牙-佛得角等)Over命中率远低于预测,提示强队λ被攻防分推得过高;小幅下调让λ向联赛/赛事均值回归,降低Over尾部
  maxSupremacy2.5 → 2.3— 配合上一项,限制极端净胜球期望的上限,可同时压低高supremacy场次的总进球量;-0.2幅度保守,样本量72场不宜大改