中间估计是打了这牌以后pt变动期望之类的?

第一个早巡搭子溢出 拆一个愚形找7p周边改良 顺便看看能不能染手
第二个字牌手顺无所谓
第三个吃了太小，而且搭子都不齐

没有。

AI打牌不是靠牌理而是靠数据。如果你硬要问为什么，那么回答是：经过海量数据的比较，这么打获胜的期望更大一些。

中间那个Q是动作价值函数，π是策略函数

我记得是强化学习里的知识，有兴趣也可以翻一下，不过一般只看最后一列

第一张图是保留染手 保留7P好型上张 89s这种拉基位置不要也罢 你四位肯定要追求胡率和大点 如果最后一张6m宝牌+立直2番89s听边7s 你愿意不？
第二张图出西和北差距这种无所谓的 反正都要丢出去 这个是跟立直里宝有关系 所以不用太纠结
第三张图 上家2副露 你吃一口 还是N向听 没有提前向听 还破坏门清 百害无一利 无用副露 建议改掉这种坏习惯

如果你还处于看不懂Mortal牌谱的情况，建议先去看书学习一些基础知识牌效攻防判断之类的，然后先用mortal跑谱再去b站找大佬看谱，两者对比看看自己想的对不对

naga有铳率条和对手听牌概率，但是得花钱

「Mortal is an end-to-end deep learning model that deploys model-free reinforcement learning, therefore we are unlikely to be able to do any significant attribution work on it. If you insist on wanting a reason for a decision made by Mortal, I would say that in contrast to how humans play, Mortal is not based on so-called "precise calculations", but rather just "intuition".」

AI说明里面都写了啊，只是参考，从来都没AI宣称自己的结果是最优解，你用他做参考就行了
这个AI在AL的时候容易犯病，而且极限水平也比顶尖的人类要弱一些，另外你的选择只要有个5-10%的权重就不认为是鸡打，字牌在早巡可能因为训练集问题，权重不太能理解，正常现象。

人工智能在各个领域都有一个通病，就是发挥越出色的算法模型，可解释性就越差。在AI模型没有在坐在领域完全统治之前，算法工程师们往往不会去追求可解释性。
如果你对日麻有相当深入的理解，可以自己去根据结果解释它这么打的原因，如果你水平来到了业界巅峰，会时而发现AI并没有在某一步做到最好(比如最高的两个权重值应该对调这样)，但目前的模型已经没有大的失误了

可以直接看最右侧那一栏，排第一个的数值越高越有参考价值，如果这一手的概率是从十几开始的，那基本上他觉得打啥差距都不多
中间那一列我感觉像是价值判断（只看第一行）
它的值好像没超过-3到3这个区间，可以简单看成标准正态分布值，如果这一手的值在1点多甚至2点多，可以认为这一手的价值非常高
如果从头到尾都是负的，说明这一手牌基本没什么搞头
基本不会有人打出负1点多
实际上到-0.5左右，尤其是中晚巡的时候这局牌自己期望肯定就是负的了

中间记得是顺位的预期变化。