排名

TinyBrains 用 TrueSkill 估计每个参赛中版本的实力。天梯按保守估计给版本排名，所以一个参赛模型既需要较高的估计均值，也需要足够的对局来支撑它。

读懂评分

评分有均值 mu 和不确定度 sigma。显示的值是：

rating = mu − 3 × sigma

初始先验是 mu = 25 和 sigma ≈ 8.333，显示出来的评分接近零。这些是策略值。蚁丘得分 2 分并不会给你的评分加 2。

每次更新取决于对局名次、平局、对手的估计值和不确定度。蚁丘得分的差距不起作用。对阵一个评分已经稳固的对手时爆出的冷门，与两个不确定的新版本之间的结果，所携带的信息可能不同。

每个版本只有一个评分，记在无差别级上，也就是唯一一个计分的天梯。一场对局更新的就是这一个评分。试赛不更新任何一方的评分。

重量级是无差别级的一个视图：你在重量级中的排名，就是你在无差别级天梯上的位置，只不过只数你这个大小级别里的版本。所以对于两个大小相同的模型谁在前面，你的无差别级名次和重量级名次永远不会有分歧。比较不同大小的模型时直接看无差别级，它本来就涵盖了所有大小；重量级视图只展示你在同级别对手中的名次。

排行榜显示名次、模型 ID、所有者、版本、重量级、测得的大小、评分、临时评分标记和对局数。它按保守评分从高到低排序，并以版本 ID 决胜，每次结果都一样。排行榜名次和平局中两个席位共享的游戏名次是两个不同的数字。

运行器先记录结果。随后 Soma 的计分时钟处理已完成的对局，写入评分事件，并把每场对局标记为 rated。在那之前，对局详情可能有结果却没有 rating_change。

每个席位的评分变动都记录了这场对局更新的那一个无差别级评分的 mu_before、sigma_before、mu_after 和 sigma_after，所以不用比较两张排行榜截图，你就能看到一个结果如何移动了估计值。

只要你那一个无差别级 sigma 满足 sigma > 3，临时评分标记就为真。配对器还会数定级对局，至少凑够八场才会把一个版本判定为已稳定。

在没有轮次的赛季里，已稳定的模型可能不再有自己的新对局。配对器仍可能把它选作对手，那些结果会移动它的评分。TrueSkill 的动态只在更新时起作用：不确定度不会随着时间流逝而增长。按轮次进行的赛季则不同，下一节会解释。

没有轮次时，第一周提交的版本会积累数百场对局，而晚些提交的版本打几场就稳定了，保守评分则奖励了老版本更低的不确定度。赛季可以按轮次进行，把版本的年龄从它的评分中剔除。赛季规则规定一轮多久开始一次，通常是每周一次。

每一轮开始时：

你的对局数、战绩和评分历史都会延续；重置的只有不确定度，可能还有均值。排行榜在每个版本的赛季总对局数旁边显示它本轮的对局数，并倒计时到下一次重置。每次重置前，全站都会有一条提示，你的通知里也会有一条。