大盲位防守
对于一名现代玩家来说这听起来很疯狂，但当持有KJo底牌的大盲位玩家面对庄位开池时就是一种磨难。
“我们在这里需要超级谨慎。对手采取了一个激进的翻前行动，他的手牌很有可能是AK、KQ、AJ甚至是AA或KK等高牌力手牌。最安全的选择真的就是弃牌”
有可能在那个时候已经有优秀的扑克玩家怀疑在大盲位弃牌如此频率可能是不正确的打法。但是，大多数时候，多数玩家只接受在盲位捍卫一个紧凑范围并认为这是被允许的一种打法。
毕竟，没有可靠的方式来验证这种打法。但在如今这个时代，我们可以利用GTO解算器来创造翻前“解算”范围以此来研究陈旧的和当下的打法。
翻前解算器和其他解算类型有着同样的局限性，比如会依赖于特定的博弈树上。然而，这些解算器给了我们一扇见识正确翻前打法的窗户。
翻前解算
原因很简单：未知翻前范围的博弈树都是极其大的。用一个粗略的数字来说明这一点，虽然一个典型的翻后解算可能包含8GB左右的体量，但一个翻前范围的体量可能超过256GB。
根据解算器构建的方式，有必要拥有比博弈树解算体量更多的RAM（随机存取存储器）。普通的家用电脑RAM在4GB到32GB之间，也就是说他们可以很好的执行翻后解算（在大多数情况下）但无法很好的处理翻前解算。
为了运行翻前解算，通常很有必要租一个强大的云端计算器。然而，绝大多数玩家都不会这样做，相反他们会从一名信任的玩家或扑克网站上选择收集一系列翻前解算范围。随后他们可能会将解算范围输入家用电脑中以达到运行翻后解算的目的。
GTO解算器和神经网络
GTO解算不是唯一的得出博弈论策略的方法。
另一种熟知的GTO工具就是所谓的“神经网络”，它能够被用于产生近似的博弈论打法，包括完整的翻前策略。
那么GTO解算和神经网络之间的差别是什么呢？
解算器：本质上这就是一个范围相互迭代的计算器，直到达到纳什均衡。
神经网络：这利用了一种机械学习算法。它与自己对抗了数亿万手牌，然后慢慢学会了最高EV的打法。
最流行的商业化可用神经网络工具就是PokerSnowie。此类工具有时候会被职业玩家看不起，因为它们不是“真正的解算器”。换言之，它们使用的算法没有基于纳什算法。
但是，神经网络在其他竞争领域（比如国际象棋）的应用已经取得了巨大成功，它们已经超过了最厉害的人类玩家。我们不该急于诋毁一种在过去被证明非常成功的方法。
另外，神经网络的终极目标和GTO解算器一样都是最大化期望值。因此，我们应该期待由GTO解算器产生的翻前范围与神经网络生成的范围有许多相似之处。它们只是产生最佳翻前策略的两种不同方法。
通过考虑使用解算器和神经网络，我们对GTO翻前策略或许会有最佳理解。
最佳BB范围
在看过大盲位防守范围的一系列解算后，有一件事情变得很明显，那就是大盲位的防守非常宽泛。
甚至考虑KJo是否是大盲位跟注对抗庄位开池加注的想法都变得有点可笑。根据一般解算器BB拿到KJo时甚至应该以某种频率3bet。
基于上方的解算图表，我们甚至应该用任何两张同花牌和像K4o和64o这样的非同花手牌捍卫。
最终，我们跟注范围中有着像J4s和53s这样的手牌。总的来说，我们考虑的是一个由11%3bet范围和一个55%跟注范围构成的66%总捍卫范围。
当然，这是最极端的例子，因为庄位玩家可能可能会用一个大额下注尺度开池，在这种情况下BB玩家在翻前更频繁的弃牌才是正确的打法。
举个例子，下面是大盲位对抗庄位2.5BB开池的建议捍卫范围。
此时的总捍卫范围占比44%，3bet范围为14%，跟注范围为30%。
最后，这里有一个对抗3bb开池加注的建议捍卫策略。
总捍卫范围为31%，3bet范围为11%，跟注范围为20%。
评论 ( 0 )