3. Testar o shove, não apenas bloqueá-lo

O próximo passo não é remover o botão de all-in, mas ensinar e testar a diferença entre shoves justificados e injustificados. Comece com um oponente heurístico fixo tight/exploitative: foldar mãos fracas contra shoves iniciais, pagar quando força e pot odds sustentarem, apostar pequeno no começo e ainda fazer all-ins legítimos mais tarde quando mão e SPR permitirem.

O código atual contém uma proteção:

const bool earlyShove = learned == ActType::AllIn &&
    (observation.street < 4 || strength < prior_.allInAbove);

Ela detecta risco e pode redirecionar a ação. É containment útil contra falhas visíveis, mas não corrige estimativas de valor nem atribuição de crédito. Resultados apenas com a proteção ligada não demonstram melhora da política aprendida.

O treino não deve usar somente esse adversário. Forme uma população com heurísticas tight, balanced e loose e snapshots históricos, aleatorizando assentos e confrontos. Mantenha o explorador fixo como teste de regressão. Isso separa uma política que memoriza um rival daquela que resiste a estilos variados.

A recompensa deve focar crescimento do stack ou retorno logarítmico, em vez de um desfecho recortado. Adicione penalidade específica para ruína e outra gradual para risco precoce do stack inteiro sem evidência suficiente, sem punir all-ins tardios legítimos. Advantages por ação ou street e valores intermediários distribuem melhor o crédito.

Avalie ao menos 1.000 mãos em várias sementes. Registre taxa de all-in por street, força média no shove, taxas de bust e fold e stack mediano no horizonte de 1.000 mãos. Médias escondem ruínas raras; preserve distribuições e intervalos de incerteza.

Sucesso não é zerar all-ins. Shoves fracos e precoces devem cair, os tardios corretos devem permanecer, e stack mediano e sobrevivência devem melhorar com oponentes variados. Só quando o ganho persistir sem containment poderemos atribuí-lo à política aprendida.