🛠️ Behind the AI: how we taught our World Cup model to respect a draw

A few matches into the World Cup, our forecast AI was getting the winner right only 37.5% of the time. This is the honest story of why — a bug we could see, a blind spot we couldn't, and the fixes we shipped. We will not pretend it's perfect now. It isn't. But it's a lot smarter, and from here we keep score in public.

1. We gave the AI a row of hearts

The first thing we built was accountability. Anyone can post a confident prediction and quietly delete it after the match. We didn't want that, so we gave the model a public lives meter — a row of hearts it can lose. The AI starts the tournament with 9 lives, and every graded match moves the needle:

• +2 lives — nailed the exact scoreline (e.g. predicted 2–1, it finished 2–1).
• +1 life — got the result right: correct winner, or correctly called a draw.
• ±0 — a near miss, where at least one side's goal count matched.
• −1 life — a full miss: wrong result, wrong scoreline.

Lives can also bank above 9 when the AI is on a hot streak, so a good run is visibly rewarded and a bad one visibly stings. The point isn't the number itself — it's that the model now has skin in the game, and so do we. The meter made our accuracy impossible to hide. Which is exactly how we found the next two problems.

2. The score-lag bug (Brazil 1–1 Morocco that never updated)

The first problem was mechanical and almost boring — but it was quietly poisoning everything downstream. Results weren't updating. Brazil drew Morocco 1–1, the whole internet knew, and our board still showed the match as unplayed.

Two things were broken at once:

• A midnight blind spot. Our score oracle only ever asked the data provider for "today's" matches. A game that kicked off late and finished after midnight UTC suddenly belonged to a different calendar day than the one we were querying — so it fell down a crack and was never graded.
• A flaky connection with no safety net. Roughly 38% of our polls to the data provider were simply failing, and there was no retry. One dropped connection meant a result silently skipped until the next cycle — if it got picked up at all.

The fix was unglamorous and effective. We widened the lookup to a three-day window (yesterday → today → tomorrow) so a match can never be orphaned by a timezone boundary again. We wrapped the fetch in retry-with-backoff and a hard timeout, so a single failed poll heals itself instead of dropping a result. And we tightened the polling loop from every 5 minutes to every 2 minutes, so final scores land on the board while people are still talking about the match.

3. The big one: 37.5% accurate — and the smoking gun

With results finally flowing, the lives meter told us something uncomfortable. Across 8 graded matches, the model got the winner right just 3 times. That's 37.5% — a coin flip would have been kinder.

So we went looking for the why, and we found it almost immediately. Here were three of the model's pre-match probability sets:

Look at them. They're identical. The model handed Mexico–South Africa, USA–Paraguay and Brazil–Morocco the exact same 60 / 25 / 15 split — even though Morocco is a genuinely strong side and South Africa, with respect, is not. To the model, a tricky heavyweight clash and a comfortable mismatch looked like the same fixture.

That single fact explained the bad accuracy. If every favourite gets the same confident 60%, the model effectively always backs the favourite and never calls a draw — the draw bar is never tall enough to win. And how did our 8 matches actually finish? Three of the model's five losses were 1–1 draws it never saw coming. The blind spot wasn't bad luck; it was structural. The model couldn't tell a hard match from an easy one, so it couldn't price the one outcome that kept burning it.

4. The fix: teach it team strength, then let it call a draw

We attacked the blind spot from two directions.

(a) We whisper each team's strength to the model before it predicts. Right before the AI makes a call, we now slip it two facts about the two sides it's weighing up: their FIFA ranking and whether either is a host nation. It sounds small, but it's the difference between guessing in the dark and knowing the shape of the matchup. A near-even fixture now produces genuinely close numbers, and a real mismatch produces lopsided ones — instead of every game collapsing to the same 60 / 25 / 15.

(b) We added a calibration layer that isn't afraid of a tie. On top of the smarter inputs, we post-process the model's numbers:

• When the draw probability is close to the favourite's, we actually call the draw — instead of reflexively printing the favourite every time.
• We apply a Dixon-Coles correction, a well-known statistical adjustment that nudges up the realistic low-scoring draws (0–0, 1–1) that naive models chronically under-count.
• And we pick the most likely scoreline more intelligently, so the headline score we publish actually matches the result the model thinks is most probable.

Together: the model now understands the matchup, and it's finally allowed to say "you know what — this one's a draw."

5. The honest result (we report 50%, not 60%)

Here's the part where it would be easy to spin a number, so we'll be blunt instead.

Re-graded across the same 8 past matches, the calibration layer lifts the win rate from 37.5% toward roughly 50%. It does not magically jump to 60%, and we're not going to claim it does. Two honest reasons why:

• The deepest fix can only help the future. The smarter prompt — feeding in team strength — changes what the model produces going forward. It can't retroactively fix predictions that were already made blind. Re-scoring the past only captures the calibration half of the work.
• Eight games is a tiny sample. At 8 matches, a single result swings the percentage wildly. Any accuracy figure off such a small sample — good or bad — simply hasn't earned your trust yet, including ours.

So instead of declaring victory, we built a backtest scoreboard that re-measures every match as it's played and shows the real accuracy number move over time — up or down — honestly, in public.

And we do have an early sign it's working. Take an upcoming match, Sweden–Tunisia. The upgraded model reads it with almost the exact 55 / 28 / 17 profile that an earlier match, Canada–Bosnia, had right before it finished 1–1 and cost the AI a life. Same fingerprint of a deceptively even game — and this time the model correctly flags Sweden–Tunisia as a likely draw rather than blindly backing the favourite. That's the blind spot closing in real time.

6. A Telegram bot and a phone-first rebuild

Alongside the model work, we rebuilt our Telegram bot, @QWorldcupaibot, from a single script into a modular system with around 20 features. A few of the highlights:

• Live AI forecasts for every fixture, on demand.
• An AI-vs-AI duel — two of our models, "AI A vs AI B", argue out a match and you watch them disagree.
• A play-along pick'em game with a leaderboard, where you make your own picks and compete head-to-head against the AI.
• Follow-your-team alerts, pre-match reminders, and a daily digest so you never miss a kickoff or a result.

We also went back through the website and hardened the mobile layout — most of you read this on a phone, and it should feel like it was built for one.

7. How we work

A few words on the discipline behind all this, because it's the part we're proudest of:

• Every deploy ships behind a syntax gate with automatic rollback. If a release goes out and the server doesn't come back healthy, it rolls itself back — no broken site, no 2am scramble.
• We run fleets of AI sub-agents in parallel. Independent pieces — the bot, the calibration layer, the mobile pass — get built side by side, then integrated, which is how a week of work lands in a day.
• We hold ourselves to honest measurement. We are telling you ~50%, not a flattering 60%, because the data hasn't earned 60% yet. When it does, the scoreboard will say so on its own. Until then, the misses stay on the board.

That's the upgrade. A model that finally knows the difference between a hard game and an easy one, a meter that keeps it honest, and a promise to show you the real number — even when it's not the flattering one.

⚡ Open the AI Forecasts

🛠️ AI 幕后揭秘：我们如何教会世界杯模型尊重「平局」

世界杯才打了几场，我们的预测 AI 猜中胜方的概率却只有 37.5%。这是一篇诚实的复盘——有一个我们看得见的程序漏洞，有一个我们看不见的盲点，也有我们最终上线的修复方案。我们不会假装它现在已经完美，它还没有。但它确实聪明了很多，从今往后，我们的成绩会公开记分。

1. 我们给 AI 安上了一排爱心

我们做的第一件事是「问责」。任何人都可以发一条信心满满的预测，然后在赛后悄悄删掉。我们不想这样，于是给模型配了一个公开的生命值条——一排会被扣掉的爱心。AI 在赛事开始时拥有 9 条命，每一场被评分的比赛都会让指针移动：

• +2 条命——精准命中比分（例如预测 2–1，最终就是 2–1）。
• +1 条命——猜对结果：胜方正确，或正确预判平局。
• ±0——差一点，至少有一方的进球数对上了。
• −1 条命——完全猜错：结果错、比分也错。

当 AI 处于火热连胜时，生命值还能存到 9 以上，于是好的状态会被看得见地奖励，糟糕的表现也会被看得见地惩罚。重点不在于那个数字本身，而在于模型如今真正「下了注」，我们也一样。这个计数条让我们的准确率无所遁形——而这恰恰让我们揪出了接下来的两个问题。

2. 比分延迟的漏洞（那场永远没更新的巴西 1–1 摩洛哥）

第一个问题很机械、甚至有点无聊——但它正悄悄地污染下游的一切。结果根本没在更新。巴西 1–1 战平摩洛哥，全网都知道了，我们的看板却还把这场比赛显示为「未开打」。

有两处同时出了故障：

• 午夜盲区。我们的比分接口每次只向数据提供方查询「今天」的比赛。一场开球较晚、在 UTC 午夜之后才结束的比赛，突然就归到了和我们查询的那天不同的日历日上——于是它掉进了缝隙里，永远没被评分。
• 不稳定的连接，且毫无兜底。我们对数据提供方的轮询大约有 38% 直接失败，而且没有重试。一次掉线就意味着一个结果被默默跳过，直到下一个周期——如果它还能被捡回来的话。

修复方案毫不华丽却很有效。我们把查询范围拓宽为三天的窗口（昨天 → 今天 → 明天），这样一场比赛再也不会因为时区边界而成为「孤儿」。我们给抓取过程套上了带退避的重试和硬性超时，于是单次失败的轮询会自我修复，而不是丢掉一个结果。我们还把轮询周期从每 5 分钟收紧到每 2 分钟，让最终比分在大家还在热议这场比赛时就落到看板上。

3. 重头戏：37.5% 的准确率——以及那把「冒烟的枪」

结果终于顺畅流动后，生命值条告诉了我们一件让人不安的事。在 8 场被评分的比赛里，模型只猜对了 3 次胜方。也就是 37.5%——掷硬币都比它仁慈。

于是我们去找原因，几乎立刻就找到了。下面是模型赛前给出的三组概率：

看看它们。完全一模一样。模型给 Mexico–South Africa、USA–Paraguay 和 Brazil–Morocco 派发了完全相同的 60 / 25 / 15 分布——尽管 Morocco 是一支货真价实的强队，而 South Africa，恕我直言，并不是。在模型眼里，一场棘手的强强对话和一场轻松的实力悬殊比赛长得一模一样。

就这一个事实，解释了糟糕的准确率。如果每个热门都拿到同样自信的 60%，模型实际上就会永远押热门、从不预判平局——平局那根柱子永远高不到能赢。那我们这 8 场比赛实际是怎么收场的？模型五场失利里有三场是它压根没料到的 1–1 平局。这个盲点不是运气差，而是结构性的。模型分不清难打的比赛和好打的比赛，所以它也定不准那个一次次灼伤它的结果。

4. 修复方案：先教它球队实力，再让它敢叫平局

我们从两个方向夹击这个盲点。

(a) 在模型预测之前，先在它耳边「悄悄说」每支球队的实力。就在 AI 做判断之前，我们现在会塞给它关于这两支对阵球队的两个事实：它们的 FIFA 排名，以及其中是否有东道主。听起来微不足道，但这就是「在黑暗里瞎猜」和「看清对阵格局」之间的区别。一场势均力敌的比赛现在会得出真正接近的数字，一场实打实的实力悬殊会得出一边倒的数字——而不是每场比赛都坍缩成同样的 60 / 25 / 15。

(b) 我们加了一层不怕平局的校准。在更聪明的输入之上，我们再对模型的数字做后处理：

• 当平局概率接近热门胜率时，我们就真的叫出平局——而不是每次都条件反射地打印热门。
• 我们应用了 Dixon-Coles 修正，这是一种著名的统计学调整，会向上微调那些朴素模型长期低估的、现实中常见的低比分平局（0–0、1–1）。
• 我们还更聪明地挑选最可能的比分，让我们公布的头条比分真正对应模型认为最可能出现的结果。

合在一起：模型现在读得懂这场对阵了，而且终于被允许说一句「你知道吗——这场是平局」。

5. 诚实的结果（我们报 50%，而不是 60%）

接下来是很容易玩弄数字的环节，所以我们干脆直说。

在同样这 8 场过往比赛上重新评分，校准层把胜率从 37.5% 提到了大约 50%。它没有神奇地跳到 60%，我们也不会这么宣称。两个诚实的原因：

• 最深层的修复只能造福未来。更聪明的提示——喂入球队实力——改变的是模型往后产出的内容。它没法回溯修正那些已经在「盲打」状态下做出的预测。对过去重新打分，只能捕捉到这项工作中「校准」的那一半。
• 八场比赛是极小的样本。在 8 场的体量下，单单一个结果就能让百分比剧烈摆动。任何基于如此小样本得出的准确率数字——无论好坏——都还没有赢得你的信任，包括我们自己的。

所以我们没有宣布胜利，而是搭了一个回测记分板，随着每一场比赛进行重新测量，让真实的准确率数字随时间公开、诚实地上下移动。

而且我们确实看到了一个它在起作用的早期迹象。拿一场即将到来的比赛 Sweden–Tunisia 来说。升级后的模型读出的概率几乎正是 55 / 28 / 17 的轮廓——这和更早的一场比赛 Canada–Bosnia 在 1–1 收场、让 AI 折掉一条命之前的轮廓如出一辙。同样是一场看似势均力敌的比赛的「指纹」——而这一次，模型正确地把 Sweden–Tunisia 标为很可能是平局，而不是盲目押热门。这就是那个盲点在实时收口。

6. 一个 Telegram 机器人，以及一次「手机优先」的重建

在模型工作之外，我们把 Telegram 机器人 @QWorldcupaibot 从一个单一脚本重建成了一个拥有约 20 项功能的模块化系统。挑几个亮点：

• 随时按需获取每场比赛的实时 AI 预测。
• 一场 AI 对 AI 的对决——我们的两个模型「AI A 对 AI B」就一场比赛争论不休，你看着它们各执一词。
• 一个带排行榜的同步竞猜游戏，你自己下注，和 AI 正面较量。
• 追踪你的球队提醒、赛前提醒，以及一份每日摘要，让你绝不错过任何一场开球或一个结果。

我们还把整个网站重新过了一遍，强化了移动端布局——你们大多数人是在手机上读这篇文章的，它就该像是为手机而生的。

7. 我们的工作方式

说几句这一切背后的纪律，因为这是我们最引以为傲的部分：

• 每一次部署都走在一道带自动回滚的语法关卡之后。如果一次发布上线后服务器没能恢复健康，它会自己回滚——不会有坏掉的网站，也不会有凌晨两点的手忙脚乱。
• 我们让成队的 AI 子智能体并行工作。各自独立的部分——机器人、校准层、移动端打磨——并排同时构建，再做集成，这就是一周的工作量为何能在一天内落地。
• 我们坚持对自己做诚实的度量。我们告诉你的是约 50%，而不是好看的 60%，因为数据还没挣到 60%。等它挣到了，记分板自己会说出来。在那之前，那些失手会一直留在板上。

这就是这次升级。一个终于分得清难打与好打的模型，一个让它保持诚实的计数条，以及一个把真实数字摆给你看的承诺——哪怕那个数字并不好看。

⚡ 打开 AI 预测

🛠️ Di sebalik AI: bagaimana kami mengajar model Piala Dunia kami menghormati keputusan seri

Beberapa perlawanan dalam Piala Dunia, AI ramalan kami hanya betul meneka pemenang sebanyak 37.5% sahaja. Ini kisah jujur tentang sebabnya — satu pepijat yang kami nampak, satu titik buta yang kami tak nampak, dan pembaikan yang kami hantar. Kami takkan berpura-pura ia sempurna sekarang. Ia belum lagi. Tetapi ia jauh lebih bijak, dan mulai sekarang kami menyimpan markah secara terbuka.

1. Kami beri AI sebaris hati

Perkara pertama yang kami bina ialah kebertanggungjawaban. Sesiapa sahaja boleh menyiarkan ramalan yang yakin lalu memadamkannya senyap-senyap selepas perlawanan. Kami tak mahu begitu, jadi kami beri model itu satu meter nyawa awam — sebaris hati yang boleh ia hilang. AI bermula kejohanan dengan 9 nyawa, dan setiap perlawanan yang dinilai menggerakkan jarum:

• +2 nyawa — tepat meneka skor (cth. ramal 2–1, berakhir 2–1).
• +1 nyawa — betul keputusannya: pemenang tepat, atau betul meneka seri.
• ±0 — hampir tersasar, di mana sekurang-kurangnya jumlah gol satu pihak sepadan.
• −1 nyawa — tersasar sepenuhnya: keputusan salah, skor salah.

Nyawa juga boleh disimpan melebihi 9 apabila AI sedang panas, jadi rentetan baik diberi ganjaran yang nyata dan yang buruk terasa pedihnya. Maksudnya bukan pada nombor itu sendiri — tetapi model kini ada kepentingan yang dipertaruhkan, dan kami juga. Meter itu menjadikan ketepatan kami mustahil disembunyikan. Itulah cara kami menemui dua masalah seterusnya.

2. Pepijat lengah skor (Brazil 1–1 Morocco yang tak pernah dikemas kini)

Masalah pertama bersifat mekanikal dan hampir membosankan — tetapi ia diam-diam meracuni segala-galanya di hilir. Keputusan tidak dikemas kini. Brazil seri dengan Morocco 1–1, seluruh internet tahu, dan papan kami masih menunjukkan perlawanan itu sebagai belum dimainkan.

Dua perkara rosak serentak:

• Titik buta tengah malam. Orakel skor kami hanya pernah meminta perlawanan "hari ini" daripada pembekal data. Satu perlawanan yang bermula lewat dan tamat selepas tengah malam UTC tiba-tiba tergolong dalam hari kalendar yang berbeza daripada yang kami tanya — jadi ia jatuh ke dalam celahan dan tak pernah dinilai.
• Sambungan goyah tanpa jaring keselamatan. Kira-kira 38% tinjauan kami kepada pembekal data hanya gagal, dan tiada cuba semula. Satu sambungan terputus bermakna satu keputusan terlangkau senyap sehingga kitaran berikutnya — itupun jika ia diambil langsung.

Pembaikannya tidak menarik tetapi berkesan. Kami melebarkan carian kepada tetingkap tiga hari (semalam → hari ini → esok) supaya satu perlawanan tak boleh lagi menjadi yatim kerana sempadan zon waktu. Kami membalut pengambilan data dengan cuba-semula-dengan-backoff dan had masa keras, supaya satu tinjauan yang gagal menyembuhkan dirinya sendiri dan bukannya menggugurkan keputusan. Dan kami mengetatkan gelung tinjauan daripada setiap 5 minit kepada setiap 2 minit, supaya skor akhir mendarat di papan ketika orang masih bercakap tentang perlawanan itu.

3. Yang besar: 37.5% tepat — dan buktinya

Dengan keputusan akhirnya mengalir, meter nyawa memberitahu kami sesuatu yang tak selesa. Merentasi 8 perlawanan yang dinilai, model hanya betul meneka pemenang 3 kali. Itu 37.5% — lambungan syiling pun lebih murah hati.

Jadi kami mencari sebabnya, dan hampir serta-merta kami jumpa. Inilah tiga set kebarangkalian model sebelum perlawanan:

Lihatlah. Semuanya serupa. Model memberi Mexico–South Africa, USA–Paraguay dan Brazil–Morocco pecahan 60 / 25 / 15 yang sama persis — walaupun Morocco pasukan yang benar-benar kuat dan South Africa, dengan segala hormat, tidak. Bagi model, pertembungan berat yang rumit dan perlawanan berat sebelah yang selesa kelihatan seperti perlawanan yang sama.

Satu fakta itu sahaja menjelaskan ketepatan yang buruk. Jika setiap pilihan utama mendapat 60% yang yakin sama, model pada dasarnya sentiasa menyokong pilihan utama dan tak pernah meneka seri — palang seri tak pernah cukup tinggi untuk menang. Dan bagaimana sebenarnya 8 perlawanan kami berakhir? Tiga daripada lima kekalahan model ialah seri 1–1 yang langsung tak ia jangka. Titik buta itu bukan nasib malang; ia bersifat struktur. Model tak dapat membezakan perlawanan susah daripada yang mudah, jadi ia tak dapat menilai satu keputusan yang terus-menerus membakarnya.

4. Pembaikan: ajar ia kekuatan pasukan, kemudian benarkan ia meneka seri

Kami menyerang titik buta itu dari dua arah.

(a) Kami bisikkan kekuatan setiap pasukan kepada model sebelum ia meramal. Tepat sebelum AI membuat keputusan, kami kini menyelitkan dua fakta tentang dua pasukan yang ditimbangnya: kedudukan FIFA mereka dan sama ada salah satunya negara tuan rumah. Bunyinya kecil, tetapi itulah bezanya antara meneka dalam gelap dan mengetahui bentuk pertembungan itu. Perlawanan yang hampir seimbang kini menghasilkan angka yang benar-benar rapat, dan ketidakseimbangan sebenar menghasilkan angka yang berat sebelah — bukannya setiap perlawanan runtuh kepada 60 / 25 / 15 yang sama.

(b) Kami menambah lapisan penentukuran yang tidak takut akan seri. Di atas input yang lebih bijak, kami memproses semula angka model:

• Apabila kebarangkalian seri hampir dengan pilihan utama, kami benar-benar menyebut seri — bukan secara refleks mencetak pilihan utama setiap kali.
• Kami menerapkan pembetulan Dixon-Coles, satu pelarasan statistik yang terkenal yang menaikkan sedikit seri berskor rendah yang realistik (0–0, 1–1) yang sentiasa dikira terkurang oleh model naif.
• Dan kami memilih skor paling berkemungkinan dengan lebih bijak, supaya skor utama yang kami terbitkan benar-benar sepadan dengan keputusan yang model rasa paling berkemungkinan.

Bersama-sama: model kini memahami pertembungan itu, dan ia akhirnya dibenarkan berkata "tahu tak — yang ini seri."

5. Keputusan yang jujur (kami lapor 50%, bukan 60%)

Inilah bahagian di mana mudah untuk memutar nombor, jadi kami akan berterus terang sahaja.

Dinilai semula merentasi 8 perlawanan lampau yang sama, lapisan penentukuran menaikkan kadar menang daripada 37.5% menuju kira-kira 50%. Ia tidak melonjak ajaib ke 60%, dan kami takkan mendakwa begitu. Dua sebab yang jujur:

• Pembaikan paling mendalam hanya boleh membantu masa depan. Gesaan yang lebih bijak — menyuapkan kekuatan pasukan — mengubah apa yang model hasilkan pada masa hadapan. Ia tak boleh membaiki secara surih ramalan yang sudah dibuat dalam keadaan buta. Menilai semula masa lampau hanya menangkap separuh penentukuran daripada kerja itu.
• Lapan perlawanan ialah sampel yang amat kecil. Pada 8 perlawanan, satu keputusan tunggal mengayunkan peratusan dengan liar. Sebarang angka ketepatan daripada sampel sekecil itu — baik atau buruk — masih belum layak mendapat kepercayaan anda, termasuk kepercayaan kami.

Jadi daripada mengisytiharkan kemenangan, kami membina satu papan markah ujian-balik yang mengukur semula setiap perlawanan ketika ia dimainkan dan menunjukkan angka ketepatan sebenar bergerak dari masa ke masa — naik atau turun — secara jujur, secara terbuka.

Dan kami memang ada tanda awal ia berfungsi. Ambil satu perlawanan akan datang, Sweden–Tunisia. Model yang dinaik taraf membacanya dengan profil yang hampir tepat 55 / 28 / 17 yang dimiliki oleh perlawanan terdahulu, Canada–Bosnia, tepat sebelum ia berakhir 1–1 dan meragut satu nyawa AI. Cap jari yang sama bagi perlawanan yang kelihatan seimbang secara mengelirukan — dan kali ini model dengan betul menandakan Sweden–Tunisia sebagai berkemungkinan seri dan bukannya membuta tuli menyokong pilihan utama. Itulah titik buta yang sedang ditutup dalam masa nyata.

6. Satu bot Telegram dan pembinaan semula mengutamakan telefon

Selari dengan kerja model, kami membina semula bot Telegram kami, @QWorldcupaibot, daripada satu skrip tunggal menjadi sistem bermodul dengan kira-kira 20 ciri. Beberapa sorotannya:

• Ramalan AI langsung untuk setiap perlawanan, sebaik diminta.
• Satu pertarungan AI lawan AI — dua daripada model kami, "AI A lwn AI B", berdebat tentang satu perlawanan dan anda menonton mereka tak sependapat.
• Satu permainan teka-bersama dengan papan pendahulu, di mana anda membuat pilihan sendiri dan bersaing secara berdepan dengan AI.
• Amaran ikut-pasukan-anda, peringatan pra-perlawanan, dan satu ringkasan harian supaya anda tak pernah terlepas sepakan permulaan atau keputusan.

Kami juga menyemak semula laman web dan mengukuhkan susun atur mudah alih — kebanyakan anda membaca ini di telefon, dan ia patut terasa seolah-olah dibina untuk satu.

7. Cara kami bekerja

Beberapa patah perkataan tentang disiplin di sebalik semua ini, kerana inilah bahagian yang paling kami banggakan:

• Setiap penghantaran keluar di sebalik pintu sintaks dengan pengembalian automatik. Jika satu keluaran dihantar dan pelayan tak kembali sihat, ia mengembalikan dirinya sendiri — tiada laman rosak, tiada kalut pukul 2 pagi.
• Kami menjalankan armada sub-ejen AI secara selari. Bahagian bebas — bot, lapisan penentukuran, semakan mudah alih — dibina sebelah-menyebelah, kemudian disepadukan, dan begitulah seminggu kerja mendarat dalam sehari.
• Kami menuntut diri kami pada pengukuran yang jujur. Kami memberitahu anda ~50%, bukan 60% yang menawan, kerana data belum layak mendapat 60%. Apabila ia layak, papan markah akan mengatakannya sendiri. Sehingga itu, kesilapan kekal di papan.

Itulah naik tarafnya. Sebuah model yang akhirnya tahu beza antara perlawanan susah dan mudah, sebuah meter yang memastikannya jujur, dan satu janji untuk menunjukkan anda angka sebenar — walaupun ketika ia bukan yang menawan.

⚡ Buka Ramalan AI

🛠️ AI-க்குப் பின்னால்: எங்கள் உலகக் கோப்பை மாதிரிக்கு சமநிலையை மதிக்கக் கற்றுக்கொடுத்த விதம்

உலகக் கோப்பையில் சில போட்டிகள் கடந்த நிலையில், எங்கள் முன்னறிவிப்பு AI வெற்றியாளரை சரியாக யூகித்தது வெறும் 37.5% நேரம் மட்டுமே. இது ஏன் என்பதற்கான நேர்மையான கதை — எங்களால் பார்க்க முடிந்த ஒரு பிழை, எங்களால் பார்க்க முடியாத ஒரு குருட்டுப் புள்ளி, மற்றும் நாங்கள் வெளியிட்ட சரிசெய்தல்கள். இது இப்போது சரியானது என்று நாங்கள் பாசாங்கு செய்ய மாட்டோம். அது இல்லை. ஆனால் அது மிகவும் புத்திசாலியாகிவிட்டது, இனிமேல் நாங்கள் மதிப்பெண்ணை பகிரங்கமாகவே வைத்திருப்போம்.

1. AI-க்கு ஒரு வரிசை இதயங்களை வழங்கினோம்

நாங்கள் முதலில் கட்டியது பொறுப்புணர்வு. யாரும் ஒரு தன்னம்பிக்கையான முன்னறிவிப்பை இடுகையிட்டு, போட்டிக்குப் பிறகு அமைதியாக அதை நீக்கிவிட முடியும். எங்களுக்கு அது வேண்டாம், எனவே மாதிரிக்கு ஒரு பகிரங்க உயிர் அளவுமானியை வழங்கினோம் — அது இழக்கக்கூடிய ஒரு வரிசை இதயங்கள். AI போட்டியை 9 உயிர்களுடன் தொடங்குகிறது, மதிப்பிடப்பட்ட ஒவ்வொரு போட்டியும் ஊசியை நகர்த்துகிறது:

• +2 உயிர்கள் — சரியான மதிப்பெண்ணைத் துல்லியமாக யூகித்தல் (எ.கா. 2–1 என்று கணித்தது, 2–1 என்று முடிந்தது).
• +1 உயிர் — முடிவை சரியாக யூகித்தல்: சரியான வெற்றியாளர், அல்லது சரியாக சமநிலையை அழைத்தல்.
• ±0 — கிட்டத்தட்ட தவறியது, அங்கு குறைந்தபட்சம் ஒரு அணியின் கோல் எண்ணிக்கை பொருந்தியது.
• −1 உயிர் — முழுமையாகத் தவறியது: தவறான முடிவு, தவறான மதிப்பெண்.

AI ஒரு வெற்றித் தொடரில் இருக்கும்போது உயிர்கள் 9-க்கு மேலும் சேமிக்க முடியும், எனவே ஒரு நல்ல ஓட்டம் வெளிப்படையாகப் பாராட்டப்படுகிறது, ஒரு மோசமானது வெளிப்படையாக வருத்தம் தருகிறது. முக்கியம் அந்த எண் அல்ல — மாதிரிக்கு இப்போது இந்த விளையாட்டில் பங்கு உள்ளது, எங்களுக்கும் உள்ளது என்பதே. அந்த அளவுமானி எங்கள் துல்லியத்தை மறைக்க முடியாததாக்கியது. அப்படித்தான் அடுத்த இரண்டு பிரச்சினைகளை நாங்கள் கண்டுபிடித்தோம்.

2. மதிப்பெண் தாமத பிழை (ஒருபோதும் புதுப்பிக்கப்படாத Brazil 1–1 Morocco)

முதல் பிரச்சினை இயந்திரத்தனமானது, கிட்டத்தட்ட சலிப்பானது — ஆனால் அது அமைதியாக கீழ்நிலையில் உள்ள அனைத்தையும் விஷமாக்கிக் கொண்டிருந்தது. முடிவுகள் புதுப்பிக்கப்படவில்லை. Brazil, Morocco-வுடன் 1–1 என்று சமநிலை அடைந்தது, இணையம் முழுவதும் அறிந்திருந்தது, ஆனால் எங்கள் பலகை இன்னும் அந்தப் போட்டியை விளையாடாததாகவே காட்டியது.

இரண்டு விஷயங்கள் ஒரே நேரத்தில் உடைந்திருந்தன:

• நள்ளிரவுக் குருட்டுப் புள்ளி. எங்கள் மதிப்பெண் ஆரக்கிள் தரவு வழங்குநரிடம் எப்போதும் "இன்றைய" போட்டிகளை மட்டுமே கேட்டது. தாமதமாகத் தொடங்கி UTC நள்ளிரவுக்கு பிறகு முடிந்த ஒரு போட்டி, திடீரென நாங்கள் வினவிக்கொண்டிருந்த நாளைவிட வேறு ஒரு நாட்காட்டி நாளைச் சேர்ந்ததாகிவிட்டது — எனவே அது ஒரு இடைவெளியில் விழுந்து ஒருபோதும் மதிப்பிடப்படவில்லை.
• பாதுகாப்பு வலை இல்லாத நிலையற்ற இணைப்பு. தரவு வழங்குநருக்கான எங்கள் வாக்கெடுப்புகளில் தோராயமாக 38% வெறுமனே தோல்வியடைந்தன, மீண்டும் முயற்சி இல்லை. ஒரு துண்டிக்கப்பட்ட இணைப்பு என்பது அடுத்த சுழற்சி வரை ஒரு முடிவு அமைதியாகத் தவிர்க்கப்படுவதைக் குறிக்கிறது — அது எடுக்கப்பட்டால் தான்.

சரிசெய்தல் கவர்ச்சியற்றது ஆனால் பயனுள்ளதாக இருந்தது. ஒரு போட்டி நேர மண்டல எல்லையால் மீண்டும் ஒருபோதும் அனாதையாகாதபடி நாங்கள் தேடலை மூன்று நாள் சாளரமாக (நேற்று → இன்று → நாளை) விரிவுபடுத்தினோம். தோல்வியடைந்த ஒரு வாக்கெடுப்பு ஒரு முடிவை விட்டுவிடாமல் தன்னைத்தானே குணப்படுத்திக்கொள்ளும்படி, தரவு எடுப்பதை பின்னடைவுடன் கூடிய மீள்முயற்சி மற்றும் கடுமையான கால அவகாசத்தில் சுற்றினோம். மேலும் வாக்கெடுப்பு சுழற்சியை ஒவ்வொரு 5 நிமிடத்திற்கும் என்பதிலிருந்து ஒவ்வொரு 2 நிமிடத்திற்கும் என இறுக்கினோம், இதனால் மக்கள் இன்னும் போட்டியைப் பற்றிப் பேசிக்கொண்டிருக்கும்போதே இறுதி மதிப்பெண்கள் பலகையில் வந்து சேரும்.

3. பெரியது: 37.5% துல்லியம் — மற்றும் சான்று

முடிவுகள் இறுதியாகப் பாய்ந்ததும், உயிர் அளவுமானி எங்களுக்கு சங்கடமான ஒன்றைச் சொன்னது. மதிப்பிடப்பட்ட 8 போட்டிகளில், மாதிரி வெற்றியாளரை சரியாக யூகித்தது வெறும் 3 முறை மட்டுமே. அது 37.5% — ஒரு நாணயத்தைச் சுண்டியிருந்தால் கூட இரக்கமாக இருந்திருக்கும்.

எனவே நாங்கள் ஏன் என்று தேடச் சென்றோம், கிட்டத்தட்ட உடனடியாகவே கண்டுபிடித்தோம். மாதிரியின் போட்டிக்கு முந்தைய மூன்று நிகழ்தகவுத் தொகுப்புகள் இங்கே:

அவற்றைப் பாருங்கள். அவை ஒரே மாதிரியானவை. மாதிரி Mexico–South Africa, USA–Paraguay மற்றும் Brazil–Morocco ஆகியவற்றுக்கு சரியாக அதே 60 / 25 / 15 பிரிவை வழங்கியது — Morocco உண்மையிலேயே வலிமையான அணி, South Africa, மரியாதையுடன், அப்படி இல்லை என்றாலும் கூட. மாதிரிக்கு, ஒரு சிக்கலான பலசாலி மோதலும் ஒரு வசதியான சமனற்ற போட்டியும் ஒரே போட்டியாகத் தோன்றின.

அந்த ஒரே உண்மை மோசமான துல்லியத்தை விளக்கியது. ஒவ்வொரு விருப்பத்துக்குரியவருக்கும் அதே தன்னம்பிக்கையான 60% கிடைத்தால், மாதிரி அடிப்படையில் எப்போதும் விருப்பத்துக்குரியவரை ஆதரிக்கிறது, ஒருபோதும் சமநிலையை அழைப்பதில்லை — சமநிலைப் பட்டை வெல்லும் அளவுக்கு ஒருபோதும் உயரமாக இருப்பதில்லை. அப்படியானால் எங்கள் 8 போட்டிகள் உண்மையில் எப்படி முடிந்தன? மாதிரியின் ஐந்து தோல்விகளில் மூன்று, அது எதிர்பார்க்காத 1–1 சமநிலைகள். அந்தக் குருட்டுப் புள்ளி துரதிர்ஷ்டம் அல்ல; அது கட்டமைப்புசார்ந்தது. மாதிரியால் கடினமான போட்டியை எளிதான போட்டியிலிருந்து வேறுபடுத்த முடியவில்லை, எனவே அதைத் தொடர்ந்து எரித்துக்கொண்டிருந்த அந்த ஒரு முடிவை அதனால் விலை மதிக்க முடியவில்லை.

4. சரிசெய்தல்: அணி வலிமையைக் கற்றுக்கொடுத்து, பிறகு சமநிலையை அழைக்க அனுமதி

நாங்கள் அந்தக் குருட்டுப் புள்ளியை இரண்டு திசைகளிலிருந்து தாக்கினோம்.

(அ) மாதிரி கணிப்பதற்கு முன், ஒவ்வொரு அணியின் வலிமையையும் அதன் காதில் கிசுகிசுக்கிறோம். AI ஒரு முடிவை எடுப்பதற்கு சற்று முன், அது எடைபோடும் இரண்டு அணிகளைப் பற்றிய இரண்டு உண்மைகளை இப்போது நாங்கள் நழுவவிடுகிறோம்: அவற்றின் FIFA தரவரிசை மற்றும் அவற்றில் ஏதேனும் ஒன்று புரவலன் நாடா என்பது. சிறியதாகத் தோன்றலாம், ஆனால் இருளில் யூகிப்பதற்கும் மோதலின் வடிவத்தை அறிவதற்கும் இடையிலான வேறுபாடு இதுதான். கிட்டத்தட்ட சமமான ஒரு போட்டி இப்போது உண்மையிலேயே நெருக்கமான எண்களை உருவாக்குகிறது, ஒரு உண்மையான சமனின்மை ஒருபக்கச் சார்பான எண்களை உருவாக்குகிறது — ஒவ்வொரு போட்டியும் அதே 60 / 25 / 15-க்குச் சரிவதற்குப் பதிலாக.

(ஆ) சமநிலைக்கு அஞ்சாத ஒரு அளவுத்திருத்த அடுக்கைச் சேர்த்தோம். புத்திசாலித்தனமான உள்ளீடுகளுக்கு மேல், மாதிரியின் எண்களை நாங்கள் பிந்தைய செயலாக்கம் செய்கிறோம்:

• சமநிலை நிகழ்தகவு விருப்பத்துக்குரியவரின் நிகழ்தகவுக்கு நெருக்கமாக இருக்கும்போது, ஒவ்வொரு முறையும் தன்னிச்சையாக விருப்பத்துக்குரியவரை அச்சிடுவதற்குப் பதிலாக நாங்கள் உண்மையிலேயே சமநிலையை அழைக்கிறோம்.
• நாங்கள் ஒரு Dixon-Coles திருத்தத்தைப் பயன்படுத்துகிறோம், இது நன்கறியப்பட்ட புள்ளியியல் சரிசெய்தல், இது அப்பாவி மாதிரிகள் நாள்பட்ட முறையில் குறைவாக எண்ணும் யதார்த்தமான குறைந்த-மதிப்பெண் சமநிலைகளை (0–0, 1–1) சற்று உயர்த்துகிறது.
• மேலும் நாங்கள் மிகவும் சாத்தியமான மதிப்பெண்ணை அதிக புத்திசாலித்தனமாகத் தேர்வு செய்கிறோம், இதனால் நாங்கள் வெளியிடும் தலைப்பு மதிப்பெண் மாதிரி மிகவும் சாத்தியம் என்று கருதும் முடிவுடன் உண்மையிலேயே பொருந்துகிறது.

ஒன்றாக: மாதிரி இப்போது மோதலை புரிந்துகொள்கிறது, மேலும் "தெரியுமா — இது ஒரு சமநிலை" என்று சொல்ல இறுதியாக அனுமதிக்கப்படுகிறது.

5. நேர்மையான முடிவு (நாங்கள் 60% அல்ல, 50% என்று அறிவிக்கிறோம்)

ஒரு எண்ணைச் சுழற்றுவது எளிதான பகுதி இது, எனவே நாங்கள் அதற்குப் பதிலாக வெளிப்படையாகச் சொல்கிறோம்.

அதே 8 கடந்தகாலப் போட்டிகளில் மீண்டும் மதிப்பிடப்பட்டபோது, அளவுத்திருத்த அடுக்கு வெற்றி விகிதத்தை 37.5%-இலிருந்து தோராயமாக 50%-ஐ நோக்கி உயர்த்துகிறது. அது மந்திரம் போல 60%-க்குத் தாவவில்லை, அப்படிச் செய்ததாக நாங்கள் கூற மாட்டோம். இரண்டு நேர்மையான காரணங்கள்:

• ஆழமான சரிசெய்தல் எதிர்காலத்திற்கு மட்டுமே உதவ முடியும். புத்திசாலித்தனமான தூண்டுதல் — அணி வலிமையை உள்ளிடுவது — மாதிரி இனிமேல் உருவாக்குவதை மாற்றுகிறது. ஏற்கனவே குருட்டுத்தனமாகச் செய்யப்பட்ட முன்னறிவிப்புகளை அதனால் முன்னோக்கிச் சரிசெய்ய முடியாது. கடந்த காலத்தை மீண்டும் மதிப்பிடுவது வேலையின் அளவுத்திருத்த பாதியை மட்டுமே பிடிக்கிறது.
• எட்டு போட்டிகள் ஒரு சிறிய மாதிரி. 8 போட்டிகளில், ஒரே ஒரு முடிவு சதவீதத்தை விபரீதமாக அசைக்கிறது. அத்தகைய சிறிய மாதிரியிலிருந்து வரும் எந்த துல்லிய எண்ணும் — நல்லதோ கெட்டதோ — இன்னும் உங்கள் நம்பிக்கையை, எங்களுடையதையும் சேர்த்து, சம்பாதிக்கவில்லை.

எனவே வெற்றியை அறிவிப்பதற்குப் பதிலாக, ஒவ்வொரு போட்டியும் விளையாடப்படும்போது அதை மீண்டும் அளவிடும் ஒரு பின்னோக்குச் சோதனை மதிப்பெண் பலகையை நாங்கள் கட்டினோம், அது உண்மையான துல்லிய எண் காலப்போக்கில் — மேலே அல்லது கீழே — நேர்மையாக, பகிரங்கமாக நகர்வதைக் காட்டுகிறது.

அது வேலை செய்கிறது என்பதற்கான ஒரு ஆரம்ப அறிகுறி எங்களிடம் உண்டு. வரவிருக்கும் ஒரு போட்டியை எடுத்துக்கொள்ளுங்கள், Sweden–Tunisia. மேம்படுத்தப்பட்ட மாதிரி அதை கிட்டத்தட்ட சரியாக 55 / 28 / 17 வரிவடிவத்துடன் வாசிக்கிறது — ஒரு முந்தைய போட்டியான Canada–Bosnia, 1–1 என்று முடிந்து AI-க்கு ஒரு உயிரை இழக்கச் செய்வதற்கு சற்று முன் கொண்டிருந்த அதே வரிவடிவம். ஏமாற்றும் வகையில் சமமான ஒரு போட்டியின் அதே கைரேகை — இம்முறை மாதிரி குருட்டுத்தனமாக விருப்பத்துக்குரியவரை ஆதரிப்பதற்குப் பதிலாக Sweden–Tunisia-ஐ சாத்தியமான சமநிலை என்று சரியாகக் குறிக்கிறது. அதுதான் அந்தக் குருட்டுப் புள்ளி நிகழ்நேரத்தில் மூடிக்கொள்வது.

6. ஒரு Telegram பாட் மற்றும் தொலைபேசி-முதன்மை மறுகட்டமைப்பு

மாதிரி வேலைக்கு இணையாக, எங்கள் Telegram பாட்டான @QWorldcupaibot-ஐ ஒரு தனி ஸ்கிரிப்ட்டிலிருந்து சுமார் 20 அம்சங்களுடன் கூடிய ஒரு கூறு அமைப்பாக மறுகட்டமைத்தோம். சில சிறப்பம்சங்கள்:

• ஒவ்வொரு போட்டிக்கும், கோரிக்கையின் பேரில், நேரடி AI முன்னறிவிப்புகள்.
• ஒரு AI-எதிர்-AI மோதல் — எங்கள் இரண்டு மாதிரிகள், "AI A எதிர் AI B", ஒரு போட்டியை வாதிட்டுக்கொள்கின்றன, அவை கருத்து வேறுபடுவதை நீங்கள் பார்க்கிறீர்கள்.
• தலைமை அட்டவணையுடன் கூடிய ஒரு உடன்-விளையாடு தேர்வு விளையாட்டு, அங்கு நீங்கள் உங்கள் சொந்த தேர்வுகளைச் செய்து AI-க்கு எதிராக நேருக்கு நேர் போட்டியிடுகிறீர்கள்.
• உங்கள்-அணியைப்-பின்தொடரும் எச்சரிக்கைகள், போட்டிக்கு-முந்தைய நினைவூட்டல்கள், மற்றும் ஒரு தினசரித் தொகுப்பு, இதனால் நீங்கள் ஒரு துவக்க உதையையோ முடிவையோ ஒருபோதும் தவறவிட மாட்டீர்கள்.

நாங்கள் இணையதளம் முழுவதையும் மீண்டும் சென்று மொபைல் தளவமைப்பை வலுப்படுத்தினோம் — உங்களில் பெரும்பாலானோர் இதை தொலைபேசியில் படிக்கிறீர்கள், அது ஒன்றுக்காகவே கட்டப்பட்டது போல உணரப்பட வேண்டும்.

7. நாங்கள் எப்படி வேலை செய்கிறோம்

இவை அனைத்தின் பின்னணியில் உள்ள ஒழுக்கம் பற்றி சில வார்த்தைகள், ஏனெனில் இதுதான் நாங்கள் மிகவும் பெருமைப்படும் பகுதி:

• ஒவ்வொரு வெளியீடும் தானியங்கு மீட்டெடுப்புடன் கூடிய ஒரு தொடரியல் வாயிலுக்குப் பின்னால் செல்கிறது. ஒரு வெளியீடு வெளியேறி, சர்வர் ஆரோக்கியமாகத் திரும்பவில்லை என்றால், அது தன்னைத்தானே மீட்டெடுத்துக்கொள்கிறது — உடைந்த தளம் இல்லை, அதிகாலை 2 மணி பரபரப்பு இல்லை.
• நாங்கள் AI துணை-முகவர்களின் கூட்டங்களை இணையாக இயக்குகிறோம். சுயாதீனமான பகுதிகள் — பாட், அளவுத்திருத்த அடுக்கு, மொபைல் மேம்பாடு — அருகருகே கட்டப்பட்டு, பின்னர் ஒருங்கிணைக்கப்படுகின்றன, அப்படித்தான் ஒரு வாரத்தின் வேலை ஒரு நாளில் வந்து சேர்கிறது.
• நேர்மையான அளவீட்டிற்கு எங்களையே கட்டுப்படுத்திக்கொள்கிறோம். நாங்கள் உங்களுக்குச் சொல்வது ~50%, ஒரு கவர்ச்சியான 60% அல்ல, ஏனெனில் தரவு இன்னும் 60%-ஐ சம்பாதிக்கவில்லை. அது சம்பாதிக்கும்போது, மதிப்பெண் பலகை அதைத் தானே சொல்லும். அதுவரை, தவறுகள் பலகையில் இருக்கும்.

அதுதான் மேம்பாடு. கடினமான போட்டிக்கும் எளிதான போட்டிக்கும் இடையிலான வேறுபாட்டை இறுதியாக அறிந்த ஒரு மாதிரி, அதை நேர்மையாக வைத்திருக்கும் ஒரு அளவுமானி, மற்றும் உண்மையான எண்ணை உங்களுக்குக் காட்டும் ஒரு வாக்குறுதி — அது கவர்ச்சியானதாக இல்லாதபோதும் கூட.

⚡ AI முன்னறிவிப்புகளைத் திற