Sanity Check & Live Promotion Policy # Sanity Check & Live Promotion Policy + Optimization Protocol > Vollständige Policy: Gates, Hotfix-Ausnahmen, bekannte offene Issues, Optimierungs-Protokoll (2026-08-23 ergänzt, dual-opponent erweitert). ## Sanity Gates (vor jeder Live-Promotion) `scripts/sanity_check.sh ` — ALLE Gates müssen passen: 1. **Gate 1**: Harrington-Replays (`HARRINGTON_BOT=` cargo test hand_replay, inkl. NN-Pfad) 2. **Gate 2**: 1000-Hände-Selfplay-Audit 3. **Gate 3**: vs. alte Generationen (4 CAND + 5 OPP × 5000h × 5 Seeds): Gen2/Gen3/G48/TAG/Nit 4. **Gate 4**: Mixed Table 5. **Gate 5**: Cross-Generation-Championship — CAND muss **Platz 1** sein (Jan, 2026-08-22: „Live-Bar = Turnier-Sieg"; vorher ≥G48) 6. **Gate 6**: Format-Matrix 1v1/3v3/4v4 vs. 10 Gegnern inkl. chump/flock; Zelle fail < −0.5 BB/100 Dazu: **Dominanz-Matrix** (`scripts/dominance_matrix.sh`, Pre-Gen6-Qualitätsbar): 17 Gegner × 1v1/3v3/4v4/5v5 + Heritage-Feld. Vollständige Fehlerfreiheit vor Gen-6-Start. ## Hotfix-Pfad (Live-Bug ohne vollständige Gates) Hand-Tests (Gate 1) + 1 neue Regression + 1000-Hände-Selfplay-Audit. ## Bekannt offen (#[ignore]) - `replay_harrington_7_6` (KK River Value-Bet vs capped Line — sequence-aware Ranges nötig) - 4_5_99: Policy-Entscheidung ausstehend (Turn-Barrel ohne eq_cc-Gate; Harrington sagt Check; als Meinungsdifferenz dokumentiert) ## Optimierungs-Protokoll (Jan, 2026-08-23; dual-opponent 18:45) Für jede neue Version/Generation: 1. **Reihenfolge = Backward Induction**: River zuerst, dann Turn, dann Flop, dann Preflop. Innerhalb einer Street: Bet zuerst, dann Raise, dann Call. Terminale Entscheidungen zuerst messen — frühere Streets werden gegen bereits korrekte Downstream-Politik optimiert. 2. **Coordinate Descent, DUAL-OPPONENT mit Pareto-Akzeptanz**: Parameter einzeln sweepten gegen BEIDE Referenzgegner (Ziel-Gen, z.B. Gen1, UND die eigene Baseline als Spiegel). Übernahme nur bei Pareto-Improvement: kein Mean-Regress gegen irgendeinen Gegner (Tie-Toleranz 0.3 BB/100). Verhindert Single-Opponent-Overfitting (b_more-Fall). Iterieren bis keine Verbesserung außerhalb des Rauschens (Noise-Floor: 50K×3 Seeds ≈ ±1 BB/100; feste Seeds). **Bundles**: eng gekoppelte Knob-Paare gemeinsam sweepten. 3. **Mess-Reihenfolge**: (a) Baseline-Selbstspiel/Stabilität, (b) Dual-Sweep vs. Referenzgegner, (c) Sanity vs. alten Bots, (d) Dominanz-Matrix/Championship. Self-Play allein ist blind für symmetrische Leaks — unähnliche Gegner als Guard. 4. **Stereotypen-Invariante**: Abgeleitete Persönlichkeiten MÜSSEN alle schlechter sein als der Default (single-dimensionale Verschlechterungen). Schlägt eine Ableitung den Default, ist der Default nicht optimal → zurück in den Sweep. 5. **Knob-Semantik vor dem Sweep verifizieren** (Wirkrichtung, aktiver Code-Pfad, Landscape-Flachheit — call_turn_base war flach weil Pot-Odds-Anteil dominiert; Config-Loading per Regressionstest abgesichert). 6. **Nächtliche Kette**: Generation für Generation (Gen2 fertig → Gen3 → ...), jede mit vollem Protokoll bei 1/10-Handzahl (50K), finaler Voll-Run 500K. ## Infra - A/B: `/tmp/kilo/run_ab_parallel.sh ` (MAX_PARALLEL=15) - Isolation Gen2: `/tmp/kilo/isolate_gen2.sh ` (4 CAND + 5 Gen2 × 5000h × 5 Seeds) - Championship beliebig: `/tmp/kilo/champ_any.sh [hands]` - Benchmarks: `scripts/gen2_benchmark.sh