El problema: 17,723 sospechosos, 6 preguntas#
El modelo de NerdleBuddy parte de la misma lista de sospechosos: sus 17,723 formas de solución candidatas modeladas de 8 caracteres. Cada intento es una pregunta, y las casillas coloreadas son la respuesta. Todo el trabajo del solucionador consiste en hacer preguntas cuyas respuestas reduzcan la lista de sospechosos lo más rápido posible, sin importar qué ecuación resulte ser la solución.
Los patrones de retroalimentación son información#
Cuando juegas un intento, cada solución posible produciría una coloración específica — verdes, morados, negros. Eso significa que un intento particiona la lista de sospechosos: cada solución cae en exactamente un grupo de patrón de retroalimentación, y en cuanto aparecen los colores reales, toda solución fuera de tu grupo queda eliminada al instante.
Así que un intento es exactamente tan bueno como los grupos que crea. Muchos grupos pequeños significan que, sea cual sea la retroalimentación, sobreviven pocos sospechosos. Unos pocos grupos grandes significan que puedes tener mala suerte y no aprender casi nada. Nuestra ecuación inicial mejor clasificada del modelo, 52-34=18, divide el campo en 1,703 grupos. Un intento cargado de repeticiones como 11+11=22 logra solo 415 — hace dos veces la misma pregunta sobre los mismos pocos caracteres.
Puntuar un intento: soluciones restantes esperadas#
Para construir su grupo de candidatos, el solucionador pregunta primero: si la solución se elige al azar, ¿cuántos sospechosos seguirán vivos después de ver la retroalimentación? Los grupos grandes se ponderan según la probabilidad de caer en ellos (un grupo con 100 soluciones se acierta 100 veces más a menudo que uno con 1), y por eso los intentos desequilibrados puntúan mal.
El solucionador en vivo calcula después los intentos totales esperados para los candidatos visibles y ordena la primera página de sugerencias según esa métrica de partida completa. Las soluciones restantes esperadas siguen siendo la comparación exacta de un solo movimiento que se muestra debajo de cada sugerencia.
| Ecuación inicial | Grupos de retroalimentación | Soluciones restantes esperadas |
|---|---|---|
| 52-34=18 | 1,703 | ~33 |
| 10-5+3=8 | 1,100 | ~79 |
| 11+11=22 | 415 | ~319 |
Mismas reglas, mismos 17,723 sospechosos — pero la ecuación inicial mejor clasificada te deja una lista de pendientes de ~33, mientras que la peor de estas deja ~319, diez veces más. Esa sola elección suele marcar la diferencia entre resolver en 3 y sudar en 5. La clasificación completa está en la guía de estrategia.
El árbol de decisión: una estrategia verificada, precalculada#
Puntuar un intento es barato; explorar cada estrategia legal en cada turno no lo es. Por eso construimos una estrategia práctica fuera de línea y la guardamos como un árbol de decisión cuya raíz es 52-34=18 — la ecuación inicial recomendada, actualmente en el puesto #1 por intentos totales esperados exactos en nuestra clasificación de ecuaciones iniciales. El árbol tiene una rama por patrón de retroalimentación, cada una lleva a la siguiente respuesta de la estrategia, y así sucesivamente hasta que cada rama termina en la solución.
En cada nodo, el constructor reúne cada solución restante como intento candidato y, cuando quedan 500 soluciones o menos, añade hasta 2,000 intentos de sondeo muestreados de forma determinista. Los 64 candidatos que dejan menos soluciones esperadas tras un movimiento reciben después una evaluación exacta de intentos totales esperados, y el ganador se elige con la misma cadena de desempate que usa la clasificación de sugerencias en vivo. Esa preselección mantiene el árbol manejable, pero también significa que no reclamamos un óptimo global matemático. La metodología completa registra el conjunto de datos, las reglas de clasificación y las limitaciones en un solo lugar.
La tabla publicada de ecuaciones iniciales va un paso más allá: trata cada forma de solución modelada como posible ecuación inicial, juega una estrategia de seguimiento voraz y rápida contra cada solución modelada y mide la duración completa de la partida. Esos promedios son exactos para esa estrategia de seguimiento — la evaluación exacta nodo por nodo del árbol guardado logra un promedio ligeramente menor de intentos. El árbol a veces juega intentos de sondeo que no pueden ser la solución (explicado en la guía de estrategia). Cuando usas el solucionador, una posición en el camino conocido puede recorrer este árbol precalculado. Si tus intentos se salen de ese camino, el solucionador clasifica en su lugar los candidatos para el grupo restante.
Qué dicen los números#
Estas cifras recorren cada solución modelada a través de la tabla de respuestas guardada bajo las reglas reales de Nerdle, donde también gana una disposición conmutativa de la solución. Son resultados exactos para esa estrategia — la misma de la que salen nuestras calificaciones de dificultad — y no una prueba de una estrategia óptima. Nueve soluciones necesitan los cinco intentos; conoce las soluciones más difíciles de Nerdle.
Preguntas frecuentes#
¿El solucionador de Nerdle conoce la solución de hoy?
No. El solucionador nunca consulta nada — solo reduce su lista completa de formas de solución modeladas con los intentos y colores que ingresas, la misma información que tienes tú.
¿Qué algoritmo usa un solucionador de Nerdle?
NerdleBuddy puntúa los intentos candidatos por soluciones restantes esperadas: cuántas posibilidades sobreviven en promedio tras la retroalimentación, ponderadas por la probabilidad de cada patrón. El árbol evalúa todas las soluciones restantes más una muestra determinista de sondeos en estados más pequeños, y luego da a los candidatos más fuertes una evaluación exacta de intentos totales esperados. El resultado es una estrategia verificada, no una prueba exhaustiva de optimalidad global.
¿Puede el solucionador perder una partida de Nerdle?
Seguir la tabla de respuestas guardada bajo las reglas reales de Nerdle — donde también gana una disposición conmutativa de la solución — resuelve las 17,723 formas de solución modeladas en como máximo 5 intentos, con un promedio de 3.0. Es un resultado exacto para esta estrategia — la misma detrás de nuestras calificaciones de dificultad — y no una prueba de una estrategia globalmente óptima.
¿Es la misma matemática que la de los solucionadores de Wordle?
Sí. La idea central — particionar las soluciones restantes en grupos de retroalimentación — es la misma que está detrás de los solucionadores de Wordle basados en teoría de la información. Las restricciones aritméticas de Nerdle suelen crear divisiones nítidas; el árbol verificado de NerdleBuddy promedia cerca de 3 intentos.
Míralo jugar
Observa cómo el árbol elige tu siguiente intento en tiempo real, o estudia las ecuaciones iniciales de las que creció.