我們相信的 GTO，其實綁在 solver 的抽象上

打開 solver，看到「這邊 100% 要 fold」。多數玩家的反應是把它背起來：這個 spot 一律棄牌，然後不再多想。直到實戰桌上發現對手在這個 spot 會放詐唬，你才開始懷疑：solver 寫的 100% fold 是不是錯了？問題在於，solver 顯示的 100% fold 不一定代表棄牌就是真理；它是在某一組 abstraction (抽象) 下算出來的：特定的下注選項、特定的對手範圍假設、特定的可選 action 都會影響這個結論。換掉 abstraction，「100% fold」就可能消失。我們現在相信的「GTO」，有很大一部分綁在後面這個設定上。

撲克的原始遊戲樹大到沒辦法直接解，光是 HU 100bb 一個結構，把 flop × turn × river × 每個節點可選的 action 全部展開，決策點數量就估計在 $10^{161}$ 量級（Libratus 論文常見的尺度）。每個節點理論上可以有大量下注尺寸、加注尺寸、不同街道組合與不同牌型資訊。Solver 不會直接把這個完整宇宙原封不動丟進計算，而是先把遊戲壓縮成一個可計算的模型。

Abstraction 可以有很多層：牌力或牌面可以被分群、下注尺寸可以被離散成幾個選項、某些 action 可以被保留或刪掉。這篇文章主要談的是 action abstraction，也就是 solver 在每個節點被允許選哪些行動：哪裡可以 check、bet、raise？下注可以用哪些 size？OOP 能不能 donk？SB 可不可以 limp？

沒設進 abstraction 的 action，solver 永遠發現不了。Solver 不是在真實遊戲裡任意探索，它是在你給的 action tree 上找最佳反應。

回到開頭那個「100% fold」。當 solver 顯示「這裡 100% 要棄牌」時，它可能代表兩件完全不同的事：第一，在 solver 假設的對手範圍與 sizing 下，棄牌的 EV 真的勝過跟注或加注；第二，現實對手在這個 spot 的詐唬頻率比模型假設的高，或用了 solver 沒模擬過的線，這時候 100% fold 就不再是事實。這兩種 100% 在頻率表上長得一模一樣，含義卻完全相反。把第二種背成「這邊就是要 fold」，等於把現實裡存在的 bluff 從自己的應對範圍裡刪掉。

Solver 是怎麼「發現」新策略的？

很多玩家回頭看 solver 歷史，會把「SB limp」「overbet」「donk bet」「block bet」這些概念想成 solver 某天突然發現的新大陸。更準確的說法是：每個現代發現幾乎都經過兩段式流程。

1. Solver 開發者把某個 action 加進 abstraction：例如 SB limp、125% pot、200% pot、OOP donk、小阻擋注、不同 raise size。
2. Solver 重新計算後告訴你：在這個更大的策略空間裡，它會用這個 action 用得多兇、在哪些牌面用、和哪些手牌混合。

所以 solver 的「發現」不是單方面突破，而是人類和 solver 的迭代。人類先提出一個可能有價值的 action menu，solver 再檢驗這個 menu 裡的行動是否真的有 EV。當某個新 size 被放進去後高頻出現，我們才會把它命名成「現代策略」。

不是 solver 不想用，是 tree 裡沒有

PokerAlpha 在內部把同一個 spot 餵進幾組不同的 action abstraction、再比對輸出，發現一個一致的 pattern：很多被當成「solver 不喜歡這個動作」的策略，拆開 tree 之後才發現那個動作根本沒被允許出現。實驗加入這些 action 後，solver 會衍伸出原本看不到的新策略。

SB Limp

如果一個 HU 或 BvB preflop abstraction 只允許 raise / fold，solver 永遠不可能輸出 SB limp。這不代表 limp 在理論上沒有價值，只代表這個模型沒有給它存在的空間。等 limp 被加入 action tree，solver 才能回答真正的問題：在什麼 stack depth、rake、ante、position 結構下，limp 應該佔多少比例？

Overbet

超池下注也是同一件事。如果 flop / turn / river 的 size menu 只有 33%、66%、100% pot，那 solver 再聰明也不會產生 150% pot。早期簡化解裡「沒有 overbet」，不一定代表 overbet 不好；它可能只是 size abstraction 沒打開。當 125%、150%、200% 被加入後，solver 才能顯示哪些牌面有足夠的 range advantage、nut advantage 或 equity denial 需求來支撐超池。

Donk Bet

Donk bet 的歷史更容易被誤解。很多早期教學把「翻前防守者不要主動領打」講成鐵律，但這常常跟 solver tree 的設定有關。如果 OOP 在某些節點只能 check，solver 當然會「從不 donk」。當 donk action 被允許後，你會看到它不是到處亂出現，而是在特定轉牌、河牌、範圍轉移、牌面改變 nut ownership 的 spot 裡冒出來。

Block Bet 與小 Size

河牌 block bet 也一樣。如果 OOP 河牌只被允許 check 或下注 75% pot，你就不會看到 20-33% pot 的小注策略。把小 size 放進去後，solver 才能展示它的雙重功能：薄價值、低成本 bluff、以及阻止 IP 建立極化大注範圍。這不是 solver 突然變聰明，而是 action space 變完整了。

為什麼 abstraction 會不斷擴張？

第一個原因是算力。每加一個 size，節點的 fan-out 就上升；每多一條街保留更多 action，整棵 game tree 的規模就爆炸。早期連 limit holdem 都需要大量工程才能逼近解，後來才逐步進入 NL heads-up 的簡化 abstraction，再到多尺寸、多人數、ICM、PKO、不同 rake model 的現代解。算力允許，solver 開發者才敢把更多 action 放進去。

第二個原因是直覺積累。Solver 開發者會觀察 solver 在現有 menu 裡的行為：某些 spot 是否一直把頻率擠在最大 size？某些中等牌是否看起來像需要一個小 size？OOP 是否在某張轉牌上被迫 check 太多？這些訊號會讓人推測「menu 可能不夠」，接著加入新的 action 驗證。

第三個原因是 pro 對戰回饋。頂尖玩家會發現某些 solver 推薦線在實戰中打起來怪，或某些人類線長期有效但 solver 解裡不存在。這不一定代表人類比 solver 聰明，也不一定代表 solver 錯；它常常只是提醒我們：目前這個解的 abstraction 沒有完整描述那個 spot。

這不表示 solver 沒用，反而表示你要更精準地讀 solver

最糟的結論是「既然 abstraction 有限制，那 solver 都不可信」。這剛好理解反了。Solver 仍然是目前人類研究撲克最強的顯微鏡；問題只是你不能忘記顯微鏡的鏡片形狀。你看到的是透過某個 abstraction 投影出來的策略，不是沒有條件、沒有模型邊界的宇宙真理。

真正成熟的 solver 使用方式，是每次看到 output 都多問四個問題：

• 這個節點允許哪些 action？有沒有 limp、donk、raise、overbet、小注？
• size menu 是哪些？33 / 75 / 125 與 25 / 66 / 150 可能會導出完全不同的策略。
• 不同 size 的 EV 差距多大？如果 EV 很接近，實戰簡化通常比死背頻率重要。
• 這個解的目標是建立 baseline 還是研究邊界？兩種目的需要的 abstraction 寬度不一樣。

對實戰玩家的真正啟示

對實戰玩家來說，這篇文章的重點不是「以後每個 spot 都要放十種 size」。那做不到，也沒有必要。真正的重點是：不要把 solver output 當成靜態教條，而要把它當成一個有邊界的研究結果。

當你學到一條規則，例如「這裡不能 donk」「這裡只下小」「這裡沒有 overbet」，下一步不是直接背下來，而是問：這個結論是在什麼 abstraction 下得到的？如果加入另一個合理 action，它還成立嗎？如果成立，這條規則就更可靠；如果不成立，你看到的不是 GTO 本身，而是某個簡化模型的影子。

PokerAlpha 的角色也應該放在這個位置：不是叫你盲信某一個答案，而是幫你把手牌、牌面、範圍、對手類型和可能 action 拆開。當你開始追問「這條線為什麼存在」「如果多一個 size 會不會改變答案」，你才真的從背 solver 進入理解 solver。

結語：GTO 不是一張地圖，而是一個解析度問題

我們現在相信的 GTO，是當前算力、solver 開發者的直覺、產品設計、action abstraction 共同塑造出來的版本。它非常有價值，但它不是終點。下一次有人把 solver 截圖當成最後答案時，先問細節：對手範圍是怎麼設定的？這個解的 action menu 有多寬？sizing 拆得多細？raise 在哪幾個節點被允許？這些設定才是這張截圖背後真正的策略。

說到底，每個人在牌桌上都是在把撲克做抽象，然後在腦中計算。Solver 把無限的 action space 壓縮成一棵可以求解的 tree，人類把對手、牌面、籌碼結構壓縮成幾個可以快速反應的類別。差別只在抽象的解析度。抽象越少、保留的細節越多，打出來的策略就越精準。