摘要　本文把一个运行一个月的五子棋系统当作自然实验，考察「廉价判断模型 + 手写确定性规则」这一组合中的能力来源。系统由三个部件构成：输出逐点概率的判断模型、穷举可判定事实的知识层、以及在两者之间分配发言权的十四级接管链；全部规则行为由一张版本登记表约束，使单变量干预与预注册配对检验成为可能。结果显示：（1）在 760 手逐手样本中，65.0% 的落子由知识层直接决定，对手思考时间升至 5 s 时该比例增至 76.2%；（2）判断模型固定的条件下，仅扩充知识层即可使得分率由 25.0% 升至 100%，而后期的整合增量（约 4.6 个百分点）需 218 对配对才可检出（95% CI [+0.0117, +0.0801]）；（3）将链中唯一替模型做主的压力闸门降级为咨询，n = 20 先导轮与 n = 120 归因轮均未检出效应（配对符号检验 p ≈ 1.000）；（4）晋升档的 122 个败局经 2516 个落子的逐手省察，五类失误计数均为 0，共同特征为「算不出强制胜」。本文据此主张：在此类可判定领域中，能力增量主要来自知识层；判断层的作用区间是被接管链压缩后的剩余局面，而「提高其自主权」的干预在串行链架构下大部分会被更低层的规则过程重新吸收。本文并以该系统为标本考察其与人类「直觉—知识」分工的对应：增益集中于知识层，与「模型权重冻结、只有知识层被允许生长」的架构属性一致；直觉的边际价值是尚未检验的量。

关键词　判断模型；确定性规则；接管链；能力归因；双过程

1　问题的提出

把一个大模型接进棋类程序，最常见的做法是让它直接选点。这条路的问题不在效果，在成本与可解释性：一次判断的代价与模型规模成正比，而棋类决策中大量手位是可判定的——「这一步能连五」「对方下一步能连五」不需要概率，只需要穷举。

棋类 AI 的两条主流路线都绕开了这个问题。AlphaZero 用自我对弈训练策略网络，以深度搜索换取决策质量 [1]；DeepMind 2024 年的工作则证明，在人类棋谱上训练的小型变换器不靠搜索也能达到特级大师水平，代价是海量训练数据与专用训练流程 [2]。对大模型的规划能力，近年渐成共识的判断是：生成可以交给模型，验证必须交给外部，Kambhampati 等人将其概括为 LLM-Modulo 框架 [3]。本系统是这个判断在完全信息博弈上的一个实例——判断模型生成逐点概率，一层手写的确定性过程负责验证与接管。但本文不问这个架构能否变强，它能，且数据充分。本文问的是一个归因问题：如果这样的系统确实表现不错，那份「不错」应当记在谁账上？

系统立项时写下过一个设计论点：「先模式识别缩小范围，再让模型选择」。它背后是一个更大的类比：判断模型像天赋给的直觉——快、廉价、不可解释，负责灵感式的第一步；知识层像后天习得的知识——慢、可查、可修订，负责「能不能这么走」的规则认知；接管链像元认知习惯，负责分类哪些问题必须先回答、哪些手不必算。若把「模型权重冻结」读作天赋不可变、「规则档生长」读作教育，这个系统就成了一个关于智能发生学的可控标本：每一次学习都被记录，可审计、可回滚。类比不是论证，但它把大问题拆成了可检验的命题：

  • H1：知识层承担了大部分决策，而非仅作为判断失败时的兜底。
  • H2：在判断模型固定的条件下，知识层的扩充单独即可带来棋力提升。
  • H3：在同一知识层下，提高判断层的自主权会带来可检出的提升。
  • H4：判断层的概率分布在知识层覆盖区间内不可被均匀随机替代（直觉存在正边际；对照渠道已登记，运行状态见 5.1）。

H1 与 H2 关于知识是否主导，H3 关于判断层自主权的价值，H4 关于直觉本身的边际。若 H1–H3 成立且 H4 也成立，该架构是「直觉 + 知识」的互补；若 H3 与 H4 都不成立，更准确的表述是「知识主导、直觉填充」——这两种表述对上述类比的含义完全不同。

2　系统与方法

2.1　三个部件

判断层：模型（TypeSafe Jev，jev-1.13 系）对棋盘上每个空点输出一个概率，不输出理由。单次往返耗时 400 ms 至 2.1 s。成本只按上游输入 token 计（输出不计费），单步输入 1–3K token；自记口径下最贵的一轮真实验（4 局、902 次调用、259 万输入 token）总成本约 $0.11，摊到每步约万分之一美元。「廉价」在这里是字面意义。

知识层：一组确定性过程，用本地引擎在局部穷举可判定事实——本手成五、对方下手的成五点、连续冲四链、冲四与活三混合的威胁链、双方的做四点计数等。单次耗时中位数约 200 ms，最坏可达数秒。工程上它叫战术层或规则层；本文统一称知识层，理由在 4.1 讨论：它的每一次否决都可被穷举复核，性质上更接近形式化知识，而非习得的直觉。

仲裁层：一条十四级的接管链，按事实确定性降序排列：

1
2
win → block → open4 → threat → vcfAttack → vctAttack → vcfDefense → vctDefense
    → pressureGate → live3Attack → live3Defense → parry → parry3 → parry4

每一级是一个问句式的判定，任一级给出结论即终止；仅当十四级全部沉默时，判断层才在候选点上按概率采样。链自身也是版本化的：v11 插入 vctAttack 成十二级，v12 插入 vctDefense 成十三级，v13 插入压力闸门成十四级。这条链常被一句话概括为「局面分类」，这低估了它——它分类的不是局面类型，而是「这一手该由谁决定」，即发言权分配。接管纪律在实现里写成一句话：事实优先于概率，模型概率只用来在同一层的候选点之间挑一个，层与落点由确定性事实决定。

判断层另有一个对照渠道 random：自由手按逐点均匀分布采样，零上游成本，但走同一条接管链，强制层照常接管。它的用途见 5.1。

2.2　干预与测量

系统的全部规则行为由一张版本登记表约束（src/core/tactics-versions.ts）：21 个档位，每档登记启用的机制位与搜索预算，未登记的机制在该档连算都不算。版本号自 2026-10-08 起不再递增，新改动按「基线 + 增量」登记（v14.1、v14.2），使任意两档可以逐键对齐。这使单变量干预成为可能：改一层、跑一轮、其余逐字不变。

对局实验经 SSH 批量编排器（submit / status / pull / elo）在空闲远端机器上串行运行，锁上游渠道腿、固定随机种子、同开局换色双跑；每轮以实验标签（exp-〈时间戳〉）归档，结果落 D1 或本地 JSONL。全部数据底座为 936 局 / 56723 手、60 个实验标签，本文引用的样本均出自可复核的归档。

测量口径如下：每局记胜 / 和 / 负，以得分率（胜计 1、和计 0.5）与不败率并列报告，不单报胜率；配对样本用双侧精确符号检验，同门对弈（两臂为同系统的不同档）改用逐对分差均值的配对 t 检验——符号检验在同门对弈下结构性失效，已弃用；逐手记规则层单独耗时（tac_ms）与单手墙钟，二者不混用；成本按上游输入 token 计。分辨率上，同档独立重跑的得分率轮间方差达 17.5 个百分点，因此一切跨轮的粗比较都不可判，可检出的效应要么来自配对设计，要么来自足够大的效应量。

判定规则在实验前登记：负局数不得高于基线，且不败率不得低于基线。不满足即不晋升，即便得分率更高。

3　结果

3.1　知识层承担了大部分决策

对 rapfi@2000ms 的一轮 20 局、760 手逐手统计「谁最后拍板」，结果见表 1。

表 1　接管分布（v14 档对 rapfi@2000ms，n = 760 手）

级 层（代码名） 功能 手数 占比
— 无接管（判断层自选） — 266 35.0%
1 win 致胜点 9 1.2%
2 block 必挡点 94 12.4%
3 open4 活四点 9 1.2%
4 threat 造杀点 0 0
5 vcfAttack 连续冲四将死链 8 1.1%
6 vctAttack 连续威胁链首步 57 7.5%
7 vcfDefense 将死链干预点 67 8.8%
8 vctDefense 拆连续威胁链 4 0.5%
9 pressureGate 削对手做四点 25 3.3%
10 live3Attack 活三抢攻点 99 13.0%
11 live3Defense 拆活三点 66 8.7%
12 parry 拆杀点 5 0.7%
13 parry3 活三/活四预挡点 17 2.2%
14 parry4 冲四预挡点 34 4.5%
合计 知识层 494 65.0%

注：各行占比四舍五入，合计以原始计数为准。第 4 级 threat 在全部 760 手中零接管，原因是结构性的：其判据与第 3 级同源，而含该层的档位必含 open4，链中 open4 又在前——它永远抢不到活。

知识层合计 494 手（65.0%）。将对手思考时间抬高后该比例继续上行：rapfi@3000ms 为 71.1%（315/443），rapfi@5000ms 为 76.2%（378/496）。方向与直觉相反：对手越强，判断层的发言权越小。这一分布否证了「规则层是兜底」的读法——兜底的特征是低频、异常触发；此处知识层在多数手位上首先发言，判断层只在链完全沉默处介入。

3.2　知识层扩充单独带来棋力提升

2026 年 10 月 2 日，同一开局、同一对手（rapfi@500ms）、同一判断模型，仅更换规则档，各 12 局：

表 2　版本序列与得分率（对手 rapfi@500ms，各 n = 12）

档位 新增机制 胜-和-负 得分率
v9 冲四链（带可靠性闸门） 3-0-9 25.0%
v10 活三真推演 6-4-2 66.7%
v11 连续威胁搜索（VCT） 10-0-2 83.3%
v12 威胁链拆解 12-0-0 100%

从 25.0% 到 100% 的跨度发生在约十八小时内（实验标签 exp-20261001174212 至 exp-20261002115126），期间判断模型未作任何改动。这是 H2 最直接的证据：在该系统中，棋力增量可以与模型无关。

三次扩充的动因都是对败局的逐手复盘，不是参数调优。v10 之前，「能造活三」靠标签匹配判定；复盘 27 局对 Rapfi 的归档（11 胜、11 负、5 和），每一局都出现过对手可造活三的局面，系统拆掉 13 次、漏掉 14 次，v10 因此把判定改成真推演。v11 的发现更典型：v10 的活三点只是「落子后盘面上出现两个以上活四制造点」的启发式，它反而覆盖掉了算得清的必胜链——复算显示，纯冲四搜索 7 层可见 22 手必杀，加深到 11 层也只多 2 手，而把活三并入逼迫搜索（VCT）后可见 42 手，其中 20 手是纯冲四搜法在原理上看不见的。v14 修正的是判据本身：原实现把盘面上既有的活三误记为本手新造，重放 316 手测得 22 手（7.0%）属幻影，候选点由 2481 降至 972。

这条阶梯还有后半段：覆盖越完善，同量级改动的效应越小，后期增量只能靠配对设计检出，见 3.3 的整合档对照。

3.3　提高判断层自主权：两级检验均未检出效应

链里唯一在非强制局面替模型做主的，是压力闸门（pressureGate，v13 引入）：按双方做四点计数决定是否抢先削点，不抢活三。把这一层降级为纯咨询（softGate）——事实照算、照注入提示，但不再接管——是立项论点「先识别缩小范围，再让模型选择」的直接检验，也是单变量开关。

先导轮 n = 20：挑战档 5 胜 9 和 6 负（47.5%），基线 6 胜 9 和 5 负（52.5%），落在预注册的不可判带内，按规则挂起。

该开关随后并入整合档 v14-plus（v14.1 的防线重排 + v14.2 的闸门让权 + 防守预算减法），整合档在晋升轮通过判定（见下）。为拆开「合并收益里有没有让权的份」，2026 年 10 月 18–19 日又补了两轮 n = 120 的锁腿同 seed 配对（对手 rapfi@10s，60 完整配对）：

表 3　n = 120 归因轮的配对结果（对手 rapfi@10s，60 完整配对）

胜 和 负 得分率 不败率
仅让权档（v14.2） 71 7 42 62.1% 65.0%
整合基准（v14-plus） 69 9 42 61.3% 65.0%

负局 42 对 42，不败率 65.0% 对 65.0%，两条预注册底线逐项持平；配对符号检验 22 : 21，p ≈ 1.000。仅让权档对仅重排档（v14.1）直配 26 : 20，p ≈ 0.461，同样不可判。需要说明的是，此轮基准自身已含同款让权，检验的严格说是「让权档能否单独复现整合档的收益」；纯粹的闸门单变量证据只有先导轮，方向偏负。两层证据合起来，H3 不被支持。

作为反衬，整合档本身在同一套方法论下是通过判定的：218 对，逐对分差均值 +0.0459（配对 SE 0.0175，t = 2.628，95% CI [+0.0117, +0.0801]，预注册统计量为逐对分差均值）。机制层重放（36 局、4441 个局面逐点）显示增益挂在哪：让权后 pressureGate 开火 0 次（基线 842 次），vctDefense 接管 396 次（基线 101 次），两档决策指纹的差异仅 9.23%，且全部落在防线排序的事实键上——可检出的变化发生在排序，不在让权。

还有一个更朴素的结构性解释：在串行的接管链下，「让权」不等于「交给模型」。先导轮的逐手数据里，压力闸门沉默后释放的手位大部分被更低的层重新吸收（冲四预挡层接管 171 手，基线 38 手）；模型只在十四级全部沉默时才有发言权。零结果因此有两层来源：被释放的手位多半没到模型手里；到了模型手里的部分，见 3.4，也未能转化为胜势。

3.4　失败模式单一，且不在知识层

晋升轮（vplus2，436 局 = 218 对）中，晋升档 v14-plus 共 122 个败局。逐手省察 2516 个己方落子，按五类失误计数：送杀、漏挡、漏胜、漏链、压力恶化。

五类计数均为 0。干净手占 66.7%，压力赤字占 28.4%（定性为对手与轮次性质），已败手占 4.8%（每局恰一手，即终局手）。

而这 122 个败局共有一个签名：「算不出强制胜」。这不是本轮的孤立观察——此前五轮对 Rapfi 的对照是同一结构：输在「算不出强制胜，且早晚被对手织成网」，不是漏防。知识层在其可判定范围内零失误，败局全部落在它不可判定的区间，即 3.1 中那 24%–35% 由判断层接手的局面。

3.5　知识层的上界：对称拆解无法破局

2026 年 10 月 1 日的 4 局自对局（v9 档对 v8 档，两侧同用知识层）全部以 225 手满盘和棋结束，无一方成五。

这不是程序错误。两侧的拆解能力对称，任何一方的造势都在成型前被拆掉，攻击无法积累——复盘的原话是「两侧都算不出强制胜」，被动挨打的回合远多于主动起链。该观察给出知识层的一个上界：它能保证不失，不能保证得手。破局需要判断层在无强制胜的局面中给出优于对称解的首步，而这正是 3.4 指出的失效区间。

4　讨论

4.1　与「直觉—知识」二分的关系

上述分工与心理学中的双过程划分在结构上相似：快速、整体、给出候选的一侧，与缓慢、可检、可否决的一侧 [4][6]。本文只主张结构相似，不主张机制相同——双过程文献反复提醒两类加工的划分不应被当作解剖事实 [5]，而此处的知识层也不是习得的模式识别，是人工编写的可判定过程，它的每一次否决都可被穷举复核，更接近形式化后的专家规则，而非内隐经验。

真正与人类决策同构的，或许不是两个部件本身，而是第三件东西——仲裁顺序。十四级接管链把「哪类问题必须先回答」写成固定次序，其功能是元认知式的 [8]：先判断该不该信直觉，再决定是否采纳直觉。专长研究的经典结论也是专家强在知觉而非搜索：Chase 与 Simon 对棋手组块的分析显示，大师的优势在于更快识别局势类型，而不是算得更深 [7]。「知道哪些手不必算」正是这套链写死在代码里的东西，也是立项类比中「分类哪些需要做、哪些不需要做」的那个部件。

4.2　为什么「让模型多说话」无效

H3 的零结果需要解释，否则只是「样本不够」的另一种说法。与现有数据相容的解释有三层，由浅入深。

其一，链式再吸收：串行接管链是逐级的事实过滤器，关掉一层不等于把那一层的手位交给模型，释放出的手位多半被更低层接走（3.3）。「判断层自主权」这个干预变量在链式架构下并不真正落在模型头上。

其二，夹逼。在知识层可判定的区间内（65%–76%），判断层提供的概率不携带新信息——该走哪里已由事实唯一确定，此时授权模型只增加方差，不增加期望。在知识层不可判定的区间内（24%–35%），判断层是唯一的信息来源，但其判断质量低于对手的搜索：所有败局集中于此（3.4）。两端夹逼的结果是，判断层的价值既不体现在被覆盖的区间，也未能在未覆盖区间胜出；它能被观测到的贡献只剩「填满剩余局面且不崩」——必要条件，不是充分条件。

其三，计量：让权档与基准的两条预注册底线恰好持平，意味着效应即便存在也小于该设计的分辨率。三层解释不互斥，现有证据无法裁决；能排除的只有「自主权立刻带来大幅提升」。

4.3　学习发生在系统之外

本系统有 21 个登记档位、350 次提交、2892 行工程记忆、七棋种共 5510 手逐手冻结的回归金样。这些数字容易被误读为「系统在学习」。实际不是：判断模型的权重自始至终未变，知识层的每一次变更都由人（与一个辅助智能体）在阅读败局后手工写入，并以冻结金样防止回退。

更准确的描述是：学习被外置了。经验以版本表、决策指纹与回归样本的形式存在于模型之外，可读、可审、可回滚。这与人类以文本、定式、教科书外置经验的做法同构，但与「模型自身变得更强」是两件事。混淆二者，会把工程纪律误认成能力增长。

这也让立项时的类比站得更稳：天赋（模型权重）在整个实验期没有变化自由度，知识层是唯一被允许生长的自由度。在此架构下，「能力增量主要来自知识层」近乎结构必然而非巧合——它不是「天赋不重要」的证据，只是「天赋不可变」的结果。天赋有没有边际价值是另一回事，即 5.1 的 H4：把直觉换成均匀随机，系统是否还剩下同样的棋力。这个问题的回答成本接近零，而它的答案将决定这套类比更接近「教育几乎全包」，还是「直觉—知识互补」。

4.4　熟练的另一面：分布漂移

各层阈值是在同族版本自身生成的棋谱分布上标定的，改写任何早期层的行为，后续层就要面对一批未参与标定的局面。项目在这一点上撞过墙：换防点、降权、重排三个挑战者三轮 60 局无一胜过 v14；n = 120 归因轮的两个单变量档与预算恢复档（v14.3）也没能晋升。唯一的例外是这条规律的反证：把三个已验证改动合并的整合档在 218 对下检出了约 4.6 个百分点——「墙」不是绝对的，但穿过它要把样本量扩大一个量级，且效应衰减到早期阶梯的十几分之一。

这与人类技能的一个已知特征同构：经验提高效率的同时收窄了感知范围——判断变准，是因为见过的局面变少而变深。在此意义上，「僵化」不是实现缺陷，而是任何在自身经验分布上标定的决策系统的结构性代价。

5　威胁效度

5.1　内部效度：判断层对照臂

系统内已实现均匀随机的判断渠道（random）：逐点均匀、零上游成本，但走同一套规则管线，强制层照常接管——它隔离的正是「非强制手位的分布质量」这一个变量。该渠道已小规模运行过：2026-09-29 的 10 局渠道自检，以及 2026-10-03 远端批量对多档 Rapfi 的 14 局（6 胜 0 和 8 负，合并 Elo 1481.4，恰好落在 rapfi@0 的 1503.1 与 rapfi@500ms 的 1463.6 之间）。但这些都是定位性冒烟，样本远在可判定线以下。因此本文只能主张「知识层贡献了 25% 至 100% 这段增量」，不能主张判断层贡献了多少；冒烟数据甚至提示，在知识层高覆盖的档位上，分布质量的边际可能小到难以检出——这使正式对照（同规则、同开局、预注册，零上游调用，本地数小时）更有必要，而不是更没必要。H4 记为待检验。

5.2　构念效度：接管统计不等于贡献归因

表 1 记录的是「谁最后拍板」，而非「谁提供了正确信息」。被判为「无接管」的手位中，模型可能采纳了规则层已计算但未接管的信息；被判为「接管」的手位中，模型原本也可能选对。反事实贡献需逐点重算，本文未做。

5.3　外部效度：单系统、单棋种、单模型族

全部数据来自一个五子棋系统与一个模型家族的若干版本。已有的渠道等价性检验只证明同族不同接入点等价（众数一致率 95.0%，McNemar p = 0.157）；更早的一批跨轮比较曾被渠道腿混合污染（单边决策差异约 39%），项目为此把「跨轮先做腿成分体检」写成了纪律。结论的外部效度因此受限：无法区分「廉价模型足够」与「该棋种对判断质量不敏感」。

5.4　统计结论效度：分辨率

同一档位重跑一轮的得分率方差达 17.5 个百分点，大于任何两个档位之间的差。四档阶梯（1 s / 2 s / 3 s / 5 s）得分为 79.2% / 52.5% / 77.5% / 62.5%，非单调，不能解释为剂量—反应关系，只能视为四次独立观察。中途读数同样不可信：某 120 局挑战轮在 23 局时读数 69.6%，跑满后落到 61.3%。目前可检出的最小效应（约 4.6 个百分点）靠 218 对配对取得。基于此，凡涉及 5 个百分点量级的比较，本文一律不作结论。

6　结论

本文的核心发现是：在一个可判定的领域内，能力增量主要来自知识层，判断层的作用区间被压缩到规则沉默之后。这一结论对系统设计的含义是明确的：若目标是提高下限（不失、不漏、不送），应投入知识层，其收益可验证、可归因、可回滚；若目标是提高上限（在均势中破局），则须提升判断层，而当前架构并未为此提供有效手段——这正是 3.5 中对称拆解无法破局的原因。

对「廉价判断 + 简单规则即可获得较高智能」这一主张，本文给出的判定是部分支持：结构上成立，量级上成立（该系统自 v10 起稳定胜过 500 ms 搜索的专用引擎，对 1–5 s 档互有胜负），但归因上不完整——判断层的独立贡献仍是未测量量。随机对照臂已有冒烟级信号；把它跑成预注册对照的成本极低（零上游调用、本地数小时），本文更愿意把它记为一项待办，而不是一项结论。

回到立项时那个更大的类比——廉价的直觉加上后天知识，能否长出较高的智能（相对其成本而言）——本项目给出的阶段性答案是：下限可以，上限还没。下限由知识层保证：单条规则简单、逐条可验证，一个月败局驱动的学习把系统从 25.0% 教到 100%，这个过程与人类专长习得同样地慢、费力、由失败驱动。上限尚未被直觉抬高过：对称知识下无法破局（3.5），提高自主权无增益（3.3），直觉相对随机是否有边际仍是未测量量（5.1）。当前数据更支持的图景是「教育几乎全包、天赋存疑待查」，而不是「直觉主导、知识辅助」。哪个图景为真，由 H4 的对照实验裁决——它已在待办清单上，是这套方法论里最值钱的一步棋。

数据与复现

代码、实验脚本与全部工程记录在 https://github.com/tripodxu/board-games。文中数值取自 docs/status.md（逐轮比分、接管直方图、耗时与成本口径）与 docs/memory/MEMORY.md（判定规则、失败复盘、口径修正），两份文档随仓库同步更新。接管链的层级与顺序见 src/core/takeover.ts；规则版本由 src/core/tactics-versions.ts 的登记表约束，搜索预算冻结于 src/core/tactics-budget.ts；回归金样在 test/fixtures/golden/。实验面默认本地存储、直连上游，不依赖线上服务。

仓库：https://github.com/tripodxu/board-games
线上系统：https://jevqipan.logicc.top

参考文献

[1] Silver D, Hubert T, Schrittwieser J, et al. A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 2018, 362(6419): 1140-1144.

[2] Ruoss A, Delétang G, Medapati S, et al. Grandmaster-Level Chess Without Search. arXiv:2402.04494, 2024.

[3] Kambhampati S, Valmeekam K, Guan L, et al. LLM-Modulo: A More Realistic Framework for Evaluating and Enhancing LLMs’ Planning Capabilities. arXiv:2402.01817, 2024.

[4] Kahneman D. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011.

[5] Evans J St B T, Stanovich K E. Theory and metatheory in the study of dual processing: Key issues and future directions. Perspectives on Psychological Science, 2013, 8(3): 263-271.

[6] Sloman S A. The empirical case for two systems of reasoning. Psychological Bulletin, 1996, 119(1): 3-22.

[7] Chase W G, Simon H A. Perception in chess. Cognitive Psychology, 1973, 4(1): 55-81.

[8] Nelson T O, Narens L. Metamemory: A theoretical framework and new findings. In: Bower G H, ed. The Psychology of Learning and Motivation, Vol. 26. San Diego: Academic Press, 1990: 125-173.

[9] Gomocup — The Gomoku AI World Championship. https://gomocup.org（对手引擎 Rapfi 为其参赛引擎）.