[情景分析]
- 牌局: 东一局，你是庄家 (第1巡，牌墙余69张)。
- 状态: 当前排名 1/4 (与一位差 0)。
- 宝牌: 5万
- 各玩家分数: 你有 25分, 下家: 25分, 对家: 25分, 上家: 25分。
- 你的手牌: 1万 5万 7万 3筒 5筒 6筒 8筒 8筒 3索 5索 8索 南 白 发
- 牌效: 5 向听，进张 82 张。
- 防御：
  最安全牌放铳率：11.3%
  平均放铳率：18.5%
  最危险牌放铳率：25.9%
场上已见牌信息
各玩家副露信息:本家副露：无, 下家副露：无, 对家副露：无, 上家副露：无
各玩家牌河信息:本家：无, 下家：无, 对家：无, 上家：无

[任务]
根据当前情景，选择一张最应该打出的手牌。

输出格式

模型输出严格为"单张牌文本"，不带"打"字，不带解释。例如：

白

使用方法

llama.cpp 推理

llama-server -m Qwen3-4B-Instruct-2507-mahjong-alpha.gguf -c 2048

Python 推理示例

python

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha"
)
tokenizer = AutoTokenizer.from_pretrained(
    "TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha"
)

# 准备输入
input_text = "[情景分析]\n- 牌局: 东一局，你是庄家 (第1巡，牌墙余69张)。\n..."

# 推理
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=10)
result = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(result)  # 输出: 白

数据集

训练数据使用 pjura/mahjong_board_states 的 2018 年部分数据。该数据集来源于天风麻将的游玩记录，每条数据包含 511 个数据点，涵盖游戏基础信息、宝牌指示牌、视角玩家手牌、玩家副露、牌河信息、玩家舍牌、弃牌决策等。

数据处理

将原始数据转换为便于阅读的自然语言描述形式，并根据数据计算出巡目数、实际宝牌、简易放铳参考等信息。根据巡目调整样本比例：

1~3 巡：15%
4~6 巡：20%
7~12 巡：35%

最终使用 192000 条样本，未混入通用指令数据或自建数据。

训练集：192000
验证集：2000
测试集：2019 年数据按需抽取
训练 / 验证 / 测试：完全互不重叠

数据集引用

bibtex

@dataset{mahjong_board_states,
  title = {MahJong Board States Dataset},
  author = {Patrick Jura},
  year = {2024},
  url = {https://huggingface.co/datasets/pjura/mahjong_board_states}
}

训练信息

模型配置

基础模型：unsloth/Qwen3-4B-Instruct-2507
训练加载精度：4bit
微调方式：QLoRA
训练框架：Unsloth
Max sequence length：2048

LoRA 参数

Rank：128
Alpha：256
目标模块：全部

训练超参数

Learning rate：1e-4
LR scheduler：cosine
Batch size：64
单卡批次：2
梯度累积步数：32
Training steps：3000
Warmup steps：300
Random seed：3407
加载最优检查点：是

训练时间

总时长：约 16.44 小时

评测结果

与数据库弃牌动作对比

推理参数：Temperature=0.1, Top_P=0.1

评测指标说明：

得分：满分 500 分（每个样本正确得 1 分，错误得 0 分）
样本全对率：3 次测试均与测试集结果一致的样本占全部样本的比例
样本零分率：3 次测试均与测试集结果不符的样本占全部样本的比例

牌效测试

模型	方法	得分	样本全对率	样本零分率
Qwen3-4B	提示词工程	50.21	6.60%	86.13%
Qwen3-4B	微调	229.66	45.87%	53.93%
DeepSeek-V3.2	提示词工程	181.66	21.40%	46.33%

防守测试

模型	方法	得分	样本全对率	样本零分率
Qwen3-4B	提示词工程	53.55	6.17%	84.43%
Qwen3-4B	微调	239.89	47.93%	52.00%
DeepSeek-V3.2	提示词工程	172.00	16.00%	46.80%

综合测试

模型	方法	得分	样本全对率	样本零分率
Qwen3-4B	提示词工程	53.44	0.60%	84.40%
Qwen3-4B	微调	233.33	46.53%	53.20%
DeepSeek-V3.2	提示词工程	179.44	18.07%	44.93%

与 Mortal 对比

推理参数：Temperature=0.6, Top_P=0.95

测试1：全部巡目数据

样本数：3000
Top-1 准确率：50.73%
Top-3 准确率：83.37%

测试2：去除早巡数据

有效样本数：3000
Top-1 准确率：48.70%
Top-3 准确率：79.20%

注：Mortal 是当前开源最强的立直麻将 AI 之一

仓库链接

GitHub：https://github.com/ttdxq/Qwen3-4B-Instruct-2507-mahjong-alpha
Hugging Face：https://huggingface.co/TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha

License

本模型遵循 Apache License 2.0 许可证。

训练数据来自 pjura/mahjong_board_states，其许可证为 CC BY 4.0，使用时请保留相应署名与引用。

Acknowledgements

感谢以下开源资源：

unsloth/Qwen3-4B-Instruct-2507
pjura/mahjong_board_states
Mortal