v24 Grand-Corpus-Design: alle Gegner, Geometrie-Kohorten, 4 Trainingsziele, aktive Coverage

# Gen 6/7 — v24 „Grand Corpus" Sammlungs-Design (Plan, 2026-09-13)

## Jans Ziel
Eine große Sammlung in den nächsten Tagen, die ALLE Gegner-Familien enthält und RangeNet + Entscheidungsmodelle trainiert — gezielt statt Gießkanne, ggf. größere Mengen an verschiedenen Tischen mit verschiedenen Settings.

## Design
### Gegner-Stratifizierung
- ~60 % g51-Persönlichkeiten (RangeNet/Oracle-Hauptverteilung, Live-nah)
- ~25 % Liner (Gen1/Gen2/Gen3/G48 — Rules-Bot-Support, Lineage)
- ~15 % sizing-diverse Varianten (Facing-Size-Grid füllen — Pool bettet selten groß, θ-Denial-Kalibrierung braucht Responses auf große Bets)
- 1-2 Persönlichkeiten held-out (Self-Play-Eval-Regel)
- RangeNet-Training: Gen1-Anteil GEWICHTET (Mensch-Nähe dominiert)

### Geometrie-Kohorten
- Stack-Regimes: Cash-out 200BB / 100BB / 50BB
- Tischgrößen: 9-max, 6-max, etwas HU/3-max
- 10-20 Mio Hände über mehrere Nächte (~50-100 GB)

### Ein Korpus — vier Trainingsziele
1. RangeNet v18 (Range-Posterior, Live-Linie)
2. Oracle v6 (init×modifier, Gen-6/r6r1-Linie, mit Gen1-Klasse — classify_bot erweitern!)
3. Empirisches Action-Modell → später Neural-Action-Net (FutureActionNet-Hook in decision_math dokumentiert)
4. Rollout-Entscheidungs-Labels für Distillation (enumerierte EV-Vektoren pro Spot — Recorder-Modus noch bauen)

### Gezielt-steuernde Elemente (Lessons aus v19-v23)
- Sammel-Bot-Varianten mit randomisierten/small/overbet-Sizings → injizieren Facing-Diversität, die der Pool nicht erzeugt
- Deploy-Geometrie statt Reset-Point-Geometrie (v23 macht das schon)
- Nach erster Kalibrierung: dünne Zellen messen und gezielt nachsammeln (Coverage-getriebene Iteration)

## Reihenfolge
1. v23-Kalibrierung validieren (läuft, ETA 2026-09-14 früh) — Machbarkeitsbeweis
2. v24-Recorder erweitern (Rollout-Labels, Sizing-diverse Collector-Varianten)
3. Kohorten über die Woche starten, Kalibrierung nach jedem Batch

id: 8120e647437f4244ba50bfc322dfb4b8
parent_id: f68035c61cde4435a9c920d625430815
created_time: 2026-09-13T17:09:48.370Z
updated_time: 2026-09-13T17:09:48.370Z
is_conflict: 0
latitude: 0.00000000
longitude: 0.00000000
altitude: 0.0000
author: 
source_url: 
is_todo: 0
todo_due: 0
todo_completed: 0
source: joplin-desktop
source_application: net.cozic.joplin-desktop
application_data: 
order: 1789319388370
user_created_time: 2026-09-13T17:09:48.370Z
user_updated_time: 2026-09-13T17:09:48.370Z
encryption_cipher_text: 
encryption_applied: 0
markup_language: 1
is_shared: 0
share_id: 
conflict_original_id: 
master_key_id: 
user_data: 
deleted_time: 0
is_locked: 0
extracted_resource_ids: 
type_: 1