Die Änderungen, über die ein Elo-Test nicht urteilen kann

Veröffentlicht 5. September 2026 Stackruns Projekt: Coherent Chess

Register-Kennungen, Urteile und die Gatterfolge stammen aus dem öffentlichen Datenvertrag: register.json und methodik.json im Abzug vom 05.09.2026, veröffentlicht unter /daten/. Worin der jeweilige Mangel bestand und was das Differentialtor vergleicht, stammt aus den Entscheidungsunterlagen des Vorhabens und steht hier als gekennzeichnete fachliche Deutung, nicht als Messung; diese Unterlagen gehören nicht zum öffentlichen Abzug. Fingerabdrücke werden ausschließlich auf Gleichheit verglichen und nie wiedergegeben; Quellpfade, Funktionsnamen und Artefakte des Differentialtors sind umschrieben statt benannt.

Am 3. September gingen vier Änderungen in die Engine, ohne eine Partie zu spielen. Was sie jeweils angingen, ist die Art Mangel, die ein Spielstärketest nicht zu finden gebaut ist.

Am 3. September gingen vier Änderungen in die Engine. Keine spielte eine Partie, und keine behauptet, die Engine stärker gemacht zu haben. T-0058, T-0059, T-0060 und T-0061 gingen alle den Korrektheitsweg.

Ein eigener Beitrag zählt aus, wie groß dieser Teil des Registers ist. Hier geht es um die vier Änderungen selbst — und darum, warum der naheliegende Test der falsche gewesen wäre.

Wo der Korrektheitsweg liegt

Die veröffentlichte Methodik führt acht Gatter auf, die ein Kandidat der Reihe nach nehmen kann: G0 Bau, G1 Korrektheit, G2 Protokoll, G3 Triage, G4 SPRT, G5 Bestätigung, G6 Gauntlet, G7 Vereinfachung (methodik.json). Der sequentielle Test beginnt bei G4. Korrektheit ist das zweite Gatter, und ein Kandidat, der auf dem Korrektheitsweg besteht, erreicht G4 nie.

Die Methodik beschreibt diesen Weg in einem Satz: Ein Korrektheitsnachweis nutzt das unabhängige Differentialtor (methodik.json).

Was das Differentialtor tatsächlich vergleicht

Das ist wichtiger, als es klingt, denn es ist enger als „die beiden verhalten sich gleich“.

Es lässt Kandidat und Vorgänger über einer gebundenen Menge von Stellungen bei festem Knotenbudget laufen und vergleicht je Stellung zwei Ausgaben: den besten Zug und die zuletzt gemeldete Bewertung — samt Wertart und der Kennzeichnung, ob sie an einer Suchschranke liegt. Alles andere, worin sich die beiden Programme unterscheiden mögen, liegt außerhalb dessen, was es sehen kann. Es prüft begrenzte beobachtbare Ausgaben, keine vollständigen Suchbäume, nicht alle erreichbaren Stellungen und keine Spielstärke.

Die zweite Hälfte gibt ihm seine Schärfe. Die Menge der Stellungen, in denen die beiden abweichen, und die Antworten des Kandidaten dort müssen dem Manifest genau entsprechen — und das Manifest wird vor dem Lauf geschrieben. Eine Korrektur meldet also nicht bloß, was sich geändert hat; sie erklärt vorab, was sich ändern wird, und innerhalb dessen, was es sieht, lässt das Differentialtor nichts anderes durch: Weniger Abweichungen als erklärt fällt durch, mehr fällt durch, andere fallen durch. Außerhalb seines Sichtfelds lässt es nichts durchfallen, weil es dort nichts sieht.

Jeder der vier Einträge verzeichnet für seinen Lauf drei Fingerabdrücke: den des Laufwerkzeugs, den der Stellungsmenge und den des Manifests. Alle vier nennen dasselbe Laufwerkzeug und dieselbe Stellungsmenge, was ein Leser bestätigen kann, ohne eines von beiden zu sehen — den vier Kandidaten wurden vom selben Werkzeug dieselben Fragen gestellt.

Die vier Mängel

T-0059, geführt als K1. Die Regel für unzureichendes Material konnte Stellungen als remis erklären, in denen noch Mattmaterial vorhanden war — unter anderem König, Läufer und Springer gegen König. Die Ursache lag in der Zählung: Eine Remisbedingung, die für gleichfarbige Läufer gedacht ist, durfte auch dann greifen, wenn zusätzlich Springer auf dem Brett standen. Die Korrektur zählt Springer und verlangt deren Abwesenheit, bevor diese Bedingung gilt.

Das ist der Eintrag, dessen Manifest nicht leer ist. Drei Stellungen waren vorab als die Stellen erklärt worden, an denen der Kandidat anders antworten würde, und der Lauf bestätigte genau diese drei, mit dem erwarteten Zug und der erwarteten Bewertung. Der Unterschied war der Zweck.

T-0058, K3. Eine extreme Eingabestellung konnte die statische Bewertung über den Bereich hinaustreiben, den die Suche für Mattwerte reserviert. Die Suche liest diesen Bereich als eine bestimmte Aussage, ein Wert darin verletzte also den Wertevertrag — und das beobachtete Symptom war eine Suche, die nach der ersten Tiefe stehenblieb, statt fortzufahren. Die Korrektur kappt den seitenrelativen Wert auf den Nichtmattbereich. Manifest leer.

T-0060, K2. Beim Einlesen einer Stellung aus einer FEN Forsyth-Edwards-Notation, eine einzeilige Textbeschreibung einer Schachstellung.-Beschreibung konnte ein En-passant-Feld übernommen werden, das nicht zum Brett passte. Geprüft werden jetzt die zur Zugseite passende Reihe, das leere Zielfeld, der gegnerische Bauer dahinter und dessen leeres Ausgangsfeld; unplausible Angaben werden entfernt. Das ist als Bereinigung der Eingabe gedacht, nicht als Vorliebe für einen Zug. Manifest leer.

T-0061, K7. Am oberen Ende des Ganzzahlbereichs konnten Halbzug- und Vollzugzähler beim nächsten Erhöhen überlaufen. Ein vorzeichenbehafteter Überlauf ist undefiniertes Verhalten — die Rechenregeln des Programms bedeuten dann nicht mehr, was die Sprache sagt —, und er wurde mit einem Werkzeug nachgestellt, das genau darauf ansetzt. Die Zähler sättigen nun: Einer, der am darstellbaren Maximum steht, bleibt dort. Manifest leer.

Das Register führt diese als K1, K2, K3 und K7. Es sagt nicht, was K4 bis K6 sind oder ob sie offen stehen, und dieser Beitrag rät nicht.

Was ein leeres Manifest festhält

Drei der vier Einträge weisen überhaupt keine Abweichung aus. Das ist eine Aussage über die geprüften Ausgaben und über nichts sonst: Über die gebundene Stellungsmenge, bei festem Budget, antwortete der Kandidat in jeder Stellung mit demselben besten Zug und derselben letzten Bewertung wie sein Vorgänger.

Es ist keine Aussage darüber, warum. Die Stellungsmenge gehört nicht zum öffentlichen Abzug, dort lässt sich also nicht feststellen, ob die Bedingungen, um die es bei diesen Reparaturen geht, darin überhaupt vorkommen. Die naheliegende Lesart — dass sie es nicht tun und deshalb nichts abwich — ist eine Lesart, und die veröffentlichten Dateien entscheiden sie nicht.

Warum Partien hier das falsche Werkzeug sind

Die Gatterfolge macht die Trennung ausdrücklich. Korrektheit ist G1, der sequentielle Test ist G4, und ein Kandidat, der auf dem Korrektheitsweg besteht, erreicht das spätere Gatter nie. Es lohnt zu sagen, worauf diese Anordnung beruht.

Ein sequentieller Test mit diesen Schranken ist darauf gebaut, einen Unterschied in der Gewinnrate zwischen einem Kandidaten und seinem Vorgänger aufzulösen; die kurze Stufe trennt „kein Zuwachs“ von „ein Zuwachs von 5 nElo Normiertes Elo: der Elo-Abstand geteilt durch die Streuung der Partieergebnisse, damit die SPRT-Schranken bei verschiedenen Bedenkzeiten dasselbe bedeuten.“ (methodik.json). Das ist es, was er misst. Er misst nicht die abgegrenzten Korrektheitseigenschaften, die diese vier Einträge behaupten — ein Überlauf am oberen Ende des Ganzzahlbereichs, eine Bewertung jenseits des für Mattwerte reservierten Bereichs, eine angenommene Stellung, die sich selbst widerspricht, eine Remisregel, die falsch zählt. Das sind andere Eigenschaften, und wie oft eine von ihnen im Spiel aufträte oder was sie kostete, führt der Abzug nicht.

Was ein solcher Test für einen dieser vier tatsächlich gemeldet hätte, beantwortet das Register nicht, und dieser Beitrag rät nicht. Die Behauptung ist enger: Die Frage, die ein Spielstärketest stellt, ist nicht die Frage, die diese vier Änderungen aufwerfen.

Ungeprüft blieben sie deshalb nicht. Die Entscheidungsunterlagen beschreiben drei der vier Mängel als absichtlich nachgestellt, indem man auf den Fehler zielte, statt aus dem Spiel zu ziehen — eine Stellung, die die Suche nach einer Tiefe anhielt, ein Überlauf, den ein dafür gebautes Prüfwerkzeug meldete, eine sich selbst widersprechende Stellung, die der Einleser annahm. Auf diesen Nachstellungen ruhen die Änderungen, und sie gehören nicht zum öffentlichen Abzug. Das Differentialtor beantwortet danach eine engere Frage: ob sich bester Zug oder letzte Bewertung irgendwo in der gebundenen Stellungsmenge über das hinaus geändert haben, was das Manifest erklärt hatte.

Was ein Leser nicht nachprüfen kann

Eine Grenze gehört benannt. Die geteilten Fingerabdrücke von Laufwerkzeug und Stellungsmenge lassen einen Leser bestätigen, dass die vier Läufe dasselbe Werkzeug auf denselben Stellungen benutzten. Der Manifest-Fingerabdruck lässt ihn nicht bestätigen, dass ein Manifest leer war — jeder Lauf hat sein eigenes Manifest, also unterscheiden sich alle vier Fingerabdrücke, auch die drei ohne Abweichungen. Für die Leere ist der Wortlaut des Eintrags die Quelle — und dasselbe gilt dafür, dass das Manifest vor dem Lauf geschrieben wurde und nicht danach. Beides ruht auf der Aufzeichnung, nicht auf etwas, das der Abzug nachrechnen lässt.

Was das nicht sagt

Es sagt nicht, diese Änderungen seien Elo Stärkeabstand zum Gegner, aus den Partien geschätzt, mit 95-Prozent-Halbbreite, wo das Orakel eine berichtet hat. Nie eine absolute Wertung.-neutral gewesen, und es sagt nicht, sie hätten das Spiel unverändert gelassen. Das Bestehen des Korrektheitsgatters belegt weder das eine noch das andere. Belegt ist Engeres: Die vom Differentialtor geprüften Ausgaben sind mit der abgegrenzten Korrektur vereinbar. Die Einträge enthalten überhaupt keinen Spielstärkeschätzwert, in keine Richtung.

Es sagt nicht, das Differentialtor beweise Gleichheit. Es vergleicht zwei Ausgaben je Stellung über einer Stellungsmenge bei einem Knotenbudget. Eine Änderung, die das Spiel in Stellungen ändert, die diese Menge nicht enthält, ginge unbemerkt hindurch.

Es sagt nicht, der Korrektheitsweg sei ein milderer Maßstab. Es ist eine andere Frage mit einem anderen Werkzeug, und sie kann scheitern — ein Kandidat, der nichts zu ändern behauptet und dennoch Abweichungen erzeugt, wäre am Manifestvergleich gescheitert, nicht von ihm entschuldigt worden.

Und es sagt nicht, diese vier hätten nichts gekostet. Sie brauchten Prüfung, einen Baulauf und einen Gatterlauf. Das Register verzeichnet für sie keine Partien und beziffert den Rest nicht.