信任 · 方法论
Navurex 如何把比赛数据转化为概率。
核心概率由 Navurex 模型代码生成。AI 只用于解释已提供的模型/数据信号，不会凭空生成核心 1X2 概率。
01 · 输入
近期赛果会按赛事权重计算。
Navurex 的核心近期状态层最多使用最近 5 场已结束比赛。Prediction Engine V2 还会扫描缓存中的近期历史，为主队提取最多 5 场主场比赛，为客队提取最多 5 场客场比赛。越新的比赛权重越高，而友谊赛对模型的影响仍明显低于正式联赛比赛。
02 · 评分
五项评分维度。
V1 会先根据近期状态（30%）、进攻（20%）、防守（20%）、进失球平衡（10%）以及可用时的联赛强度（20%）生成基础球队评分。情境 V2 再根据时间衰减后的近期表现、主客场状态，以及能够匹配到当前联赛积分榜时的对手强度进行保守调整。调整幅度设有上限，避免小样本直接取代基础评分。
联赛强度本身会使用当前排名、场均积分和场均净胜球。赛季初期，积分榜可能不可用或参考价值较低。
03 · 概率
评分会转化为 1X2 概率分布。
Navurex 将双方综合评分转化为主胜、平局和客胜权重。当双方实力更接近时，平局权重会提高。发布值会归一化为 100%，并通过保护机制防止错误值或 NaN 进入界面。
模型置信度不等于数据质量。置信度反映模型结果之间的区分度；数据质量则描述底层比赛样本是否足够可靠，可以放心发布。
04 · 数据质量
模型可以明确说“数据不足”。
当有效样本不足 1 场，或任一球队没有近期正式比赛时，模型不会发布预测。V2 完整度门槛还会检查数据源可用性、主客场专项样本数量、积分榜可用性以及对手强度覆盖率。较完整的样本可标记为 High 或 Medium，较小样本会明确标记为 Limited data。友谊赛仍会作为背景保留，但模型权重仅为 25%。
05 · 模拟
10,000 次确定性泊松模拟。
预期进球会结合按赛事权重处理的近期进球能力、对手防守表现，以及当前 Navurex 情境化进攻/防守评分。随后 Navurex 运行 10,000 次带固定种子的泊松模拟。同一场比赛在相同模型输入和模型版本下会得到相同的模拟序列，因此结果可以复现，而不是每次刷新都随机变化。
06 · 角球智能分析
角球使用独立的比赛统计模型。
角球智能分析不会把 1X2 概率当作捷径重复使用。Navurex 会读取每支球队最近最多五场已结束比赛中记录的角球数据，采用相同的赛事加权原则，并计算加权的获得角球与被对手获得角球表现。球队角球预测由自身近期制造角球能力（55%）与对手近期允许角球能力（45%）混合得出。小样本会向近期比赛总体基准收缩，避免单场异常比赛主导公开数值。
显示的总角球百分比使用围绕预测总数的泊松式计数近似。如果任意一方记录的角球数据覆盖过少，Navurex 会将模块标记为有限或不可用，而不会把缺失统计填成 0。
07 · V3 研究层
V3 正在以更广泛的证据模型进行上线前验证。
V3 影子模型最多分析近 20 场已结束比赛并做时间衰减，同时把最近 5 场保留为独立短期信号；加入赛程疲劳和有证据支持的均值回归，利用共同对手跨赛事比较球队，降低联赛级别先验权重，并可使用去除水位后的博彩公司市场共识进行校准。
模型不会因为连胜或连败就认定下一场“必然反转”。只有短期表现明显偏离长期基线，并且存在疲劳等支持证据时，才会出现反弹或回落修正。
V3 默认保持影子模式。其赛前概率会被冻结保存，并通过 Brier、对数损失、校准和最高概率命中率与 V2 对比，在任何正式切换前先完成验证。
冻结历史
预测不应该在结果出来后改变。
开球前，Navurex 可以把当前预测与模拟保存为带版本的快照。开球后，有效的已保存快照会成为公开表现追踪的事实来源。对于没有快照的较早比赛，只能使用该场开球前可获得的数据进行重建，并会在模型流程中单独标识。
查看模型表现 →模型范围
核心评分与比赛外部信息
Navurex 将可重复计算的模型输入与外部比赛信息分开，因此缺失的伤病信息或临时首发变化不会被默认包装成已经纳入评分。
已纳入核心评分
近期状态、时间衰减、主客场专项状态、可用时的对手强度、进攻、防守、进失球平衡，以及可用时的联赛强度都会进入核心模型。这些输入是结构化且可重复计算的。情境 V2 会与 V1 基线进行保守混合，而不是直接完全替换 V1。
核心评分暂不保证包含
伤病、确认首发、战术变化、转会、天气和交锋历史可能不完整、延迟或缺失。在 Navurex 能稳定验证并建模这些信息之前，应把它们视为独立的比赛背景信息。
当前限制
Navurex 当前无法保证核心评分完整包含伤病、确认首发、战术、转会、天气或交锋历史等信息。模型输入可能不完整或有延迟。概率只是估算，不是确定结果，也不构成博彩建议。