Variance Strategy Selector 是一个根据当前获胜概率与下行不对称性，推荐方差策略姿态的通用技能。它不绑定具体领域，而是输出一个标量乘数，由下游消费者（如阵容优化器、组合配置技能）赋予领域含义。
一、用途 该技能用于在存在不确定性的决策中，决定应当追求高方差（寻求右尾结果）、保持中性，还是最小化方差（保护既有优势）。典型场景包括：幻想体育中根据胜率和是否必须取胜来选择高风险或稳健球员；投资组合中决定高贝塔与低贝塔头寸的权重；扑克中调整下注规模的方差；以及赛马或期权到期日等单一关键决策。
二、主要能力
- 三段式胜率分类：胜率低于 0.40 为 seek（基础乘数 1.15–1.30），0.40 至 0.60 为 neutral（乘数 1.00），高于 0.60 为 minimize（基础乘数 0.80–0.90）。在 seek 区间内，基础乘数按胜率低于 0.40 的程度比例计算：base = 1.15 + (0.40 - p) * 0.375，上限 1.30；minimize 区间镜像计算：base = 0.90 - (p - 0.60) * 0.25，下限 0.80。
- 下行不对称放大：当下行不对称性大于 0.8 且姿态为 seek 时，乘数加 0.10；姿态为 minimize 时，乘数减 0.10；neutral 不移动。
- 槽位数量衰减：当槽位数大于 5 时，按 factor = max(0.5, 5 / slots) 对乘数偏离 1.0 的距离进行衰减。例如 10 个槽位时，偏离距离减半。
- 钳制与单调性校验：最终乘数限制在 [0.70, 1.40]。随着胜率降低，乘数应弱增；随着不对称性增加，|乘数 - 1.0| 应弱增。
- 结构化输出：返回 variance_posture（"seek" | "neutral" | "minimize"）、variance_multiplier（0.70–1.40）、confidence_band（简短描述，如 "high-variance (seek aggressively)"）以及 rationale（2–3 句说明，引用胜率区间、不对称标志、槽位影响及消费者应如何解读乘数）。
三、使用方式 输入三个必需参数：current_win_probability（0–1 的浮点数，决策前的胜率点估计）、downside_asymmetry（0–1 的浮点数，1.0 表示失败是灾难性的，如淘汰、资金归零；0.5 为常规；0.0 表示无下行后果）、slots_to_decide（非负整数，该姿态覆盖的独立决策数量）。技能按工作流执行：收集输入、分类胜率区间、应用不对称放大、应用槽位衰减、钳制并校验单调性、输出结构化结果。可参照 resources/template.md 的输入校验规则和 resources/methodology.md 的方法论，以及 resources/evaluators/rubric_variance_strategy_selector.json 的质量评估标准（平均分 3.5 以上为合格）。
四、适用场景与限制 适用场景：幻想体育阵容选择（如 mlb-lineup-optimizer）、投资组合高贝塔与低贝塔配置、扑克资金管理中的下注方差、任何需要决定方差调节力度的智能体。 限制与注意事项：姿态标签为硬分类，不得在 0.40 和 0.60 阈值间插值；不对称性只放大方向，绝不反转（若因不对称偏移使乘数跨过 1.0，则钳制在 1.0 并重新检查输入）；槽位衰减作用于偏离 1.0 的距离而非乘数本身；胜率为 0 时姿态为 seek，乘数为最大值（不对称前 1.30，不对称后 1.40），胜率为 1 时姿态为 minimize，乘数最小（不对称前 0.80，不对称后 0.70）；乘数是对下游优化器的偏置，不是命令；下行不对称性与胜率不同，需分别提供；槽位衰减假设各槽位结果独立，若高度相关则衰减较弱，需在理由中说明；该技能领域中立，理由中不应使用领域术语。
五、未提供信息 该技能的具体收费模式、价格、平台支持情况、安装命令等事实在资料中暂未提供。