Masalahnya: 17,723 Tersangka, 6 Pertanyaan#
Model NerdleBuddy mulai dengan daftar tersangka yang sama: 17,723 bentuk jawaban kandidat 8 karakter yang dimodelkannya. Setiap tebakan adalah pertanyaan, dan ubin berwarna adalah balasannya. Seluruh tugas pemecah adalah mengajukan pertanyaan yang jawabannya menyusutkan daftar tersangka secepat mungkin, apa pun persamaan yang kebetulan menjadi jawabannya.
Pola Umpan Balik Adalah Informasi#
Saat Anda memainkan sebuah tebakan, setiap jawaban yang mungkin akan menghasilkan pewarnaan spesifik tertentu — hijau, ungu, hitam. Itu berarti sebuah tebakan mempartisi daftar tersangka: setiap jawaban jatuh ke tepat satu kelompok pola umpan balik, dan begitu warna sebenarnya muncul, setiap jawaban di luar kelompok Anda langsung tereliminasi.
Jadi sebuah tebakan persis sebaik kelompok-kelompok yang diciptakannya. Banyak kelompok kecil berarti apa pun umpan balik yang Anda terima, hanya sedikit tersangka yang bertahan. Sedikit kelompok besar berarti Anda bisa sial dan hampir tidak belajar apa-apa. Pembuka model peringkat pertama kami, 52-34=18, membagi medan menjadi 1,703 kelompok. Tebakan yang banyak mengulang karakter seperti 11+11=22 hanya menghasilkan 415 — ia menanyakan pertanyaan yang sama tentang beberapa karakter yang sama dua kali.
Menilai Tebakan: Perkiraan Sisa Jawaban#
Untuk membangun kumpulan kandidatnya, pemecah pertama-tama bertanya: jika jawaban dipilih secara acak, berapa banyak tersangka yang masih hidup setelah saya melihat umpan baliknya? Kelompok besar diberi bobot menurut seberapa besar kemungkinan Anda mendarat di dalamnya (kelompok berisi 100 jawaban terkena 100 kali lebih sering daripada yang berisi 1), itulah sebabnya tebakan yang timpang mendapat nilai buruk.
Pemecah langsung kemudian menghitung perkiraan total tebakan untuk kandidat yang terlihat dan mengurutkan halaman saran pertama berdasarkan metrik permainan penuh itu. Perkiraan sisa jawaban tetap menjadi perbandingan satu-langkah eksak yang ditampilkan di bawah setiap saran.
| Pembuka | Kelompok umpan balik | Perkiraan sisa jawaban |
|---|---|---|
| 52-34=18 | 1,703 | ~33 |
| 10-5+3=8 | 1,100 | ~79 |
| 11+11=22 | 415 | ~319 |
Aturan yang sama, 17,723 tersangka yang sama — tetapi pembuka peringkat pertama menyisakan daftar kerja sekitar ~33 sedangkan yang terburuk di antaranya menyisakan ~319, sepuluh kali lipatnya. Satu pilihan itu sering menjadi perbedaan antara memecahkan dalam 3 tebakan dan berkeringat di tebakan ke-5. Pemeringkatan lengkapnya ada di persamaan pembuka terbaik.
Pohon Keputusan: Strategi Terverifikasi, Dihitung di Muka#
Menilai satu tebakan itu murah; menelusuri setiap strategi legal di setiap giliran tidak. Karena itu kami membangun strategi praktis secara offline dan menyimpannya sebagai pohon keputusan yang akarnya adalah 52-34=18 — pembuka yang direkomendasikan, saat ini peringkat #1 berdasarkan perkiraan total tebakan eksak dalam pemeringkatan pembuka kami. Pohon ini punya satu cabang per pola umpan balik, masing-masing menuju balasan berikutnya dari strategi, dan seterusnya sampai setiap cabang berakhir pada jawabannya.
Di setiap simpul, pembangunnya mengumpulkan setiap jawaban tersisa sebagai tebakan kandidat, dan begitu tersisa 500 jawaban atau kurang ia menambahkan hingga 2,000 tebakan penjajakan yang disampel secara deterministik. 64 kandidat yang menyisakan perkiraan jawaban paling sedikit setelah satu langkah kemudian menerima evaluasi perkiraan total tebakan eksak, dan pemenangnya dipilih dengan rantai pemutus seri yang sama dengan yang dipakai pemeringkatan saran langsung. Daftar pendek itu menjaga pohon tetap tertangani, tetapi itu juga berarti kami tidak mengklaim optimum global secara matematis. Metodologi lengkap mencatat dataset, aturan pemeringkatan, dan keterbatasannya di satu tempat.
Tabel pembuka yang diterbitkan melangkah satu tahap lebih jauh: ia memperlakukan setiap bentuk jawaban yang dimodelkan sebagai pembuka yang mungkin, memainkan strategi lanjutan serakah yang cepat terhadap setiap jawaban yang dimodelkan, dan mengukur panjang permainan lengkap. Rata-rata itu eksak untuk strategi lanjutan tersebut — evaluasi per-simpul eksak dari pohon tersimpan merata-ratakan tebakan yang sedikit lebih sedikit. Pohon ini kadang memainkan tebakan penjajakan yang tidak mungkin menjadi jawabannya (tebakan itu muncul di sepanjang tabel tebakan kedua terbaik). Saat Anda menggunakan pemecah, posisi yang berada di jalur yang dikenal dapat menyusuri pohon prakomputasi ini. Jika tebakan Anda meninggalkan jalur itu, pemecah memeringkat kandidat untuk kumpulan tersisa sebagai gantinya.
Apa Kata Angka-Angkanya#
Angka-angka ini menjalankan setiap jawaban yang dimodelkan melalui tabel respons tersimpan di bawah aturan Nerdle yang sebenarnya, di mana penyusunan ulang komutatif dari jawaban juga menang. Semuanya adalah hasil eksak untuk strategi tersebut — strategi yang sama dengan asal peringkat kesulitan kami — bukan bukti strategi yang optimal. Sembilan jawaban membutuhkan kelima tebakan; temui jawaban Nerdle tersulit.
Pertanyaan yang Sering Diajukan#
Apakah pemecah Nerdle tahu jawaban hari ini?
Tidak. Pemecah tidak pernah mencari apa pun — ia hanya mempersempit daftar lengkap bentuk jawaban yang dimodelkannya memakai tebakan dan warna yang Anda masukkan, informasi yang sama dengan yang Anda miliki.
Algoritma apa yang digunakan pemecah Nerdle?
NerdleBuddy menilai tebakan kandidat berdasarkan perkiraan sisa jawaban: berapa banyak kemungkinan yang rata-rata bertahan setelah umpan balik, dibobot menurut seberapa mungkin setiap pola muncul. Pohonnya mengevaluasi semua jawaban tersisa plus sampel penjajakan deterministik pada keadaan yang lebih kecil, lalu memberi kandidat terkuat evaluasi perkiraan total tebakan eksak. Hasilnya adalah strategi terverifikasi, bukan bukti menyeluruh atas optimalitas global.
Bisakah pemecah kalah dalam permainan Nerdle?
Mengikuti tabel respons tersimpan di bawah aturan Nerdle yang sebenarnya — penyusunan ulang komutatif dari jawaban juga menang — memecahkan semua 17,723 bentuk jawaban yang dimodelkan dalam paling banyak 5 tebakan, dengan rata-rata 3.0. Itu hasil eksak untuk strategi ini — strategi yang sama di balik peringkat kesulitan kami — bukan bukti strategi yang optimal secara global.
Apakah ini matematika yang sama dengan pemecah Wordle?
Ya. Ide intinya — mempartisi jawaban tersisa ke dalam kelompok umpan balik — sama dengan yang ada di balik pemecah Wordle berbasis teori informasi. Batasan aritmetika Nerdle sering menciptakan pembelahan yang tajam; pohon terverifikasi NerdleBuddy merata-ratakan mendekati 3 tebakan.
Lihat Ia Bermain
Saksikan pohon memilih tebakan Anda berikutnya secara langsung, atau pelajari para pembuka tempat ia tumbuh.