🚀 Implement maxV2 scoring algorithm / 引入 maxV2 评分算法以优化评分准确性

[ocetars]

Description / 描述

本次提交对遗器评分算法进行了核心升级，在评分 JSON 中引入了 maxV2 字段。

变更背景：
原版算法在计算理论最高分时，所有部位均采用统一的 (6, 1, 1, 1) 词条分布模型。这忽略了固定主属性部位（头、手）与随机主属性部位（衣、鞋、球、绳）在获取难度上的巨大差异。

新版 maxV2 算法针对此问题进行了概率模型修正，旨在提供更符合游戏实际概率的评分标准。

1. 核心变更：区分部位计算逻辑 (Per-part Calculation)

为了更精准地反映获取难度，新算法根据主属性类型应用了不同的词条分布模型：

部位类型	包含部位	获取难度	模型假设	分布模型
固定主属性	头部、手部	低	初始 4 词条 (4 初始 + 5 强化 = 9 次计数)	(6, 1, 1, 1) 极限分布
随机主属性	躯干、脚部、 位面球、连结绳	高	初始 3 词条 (3 初始 + 4 强化 + 1 填充 = 8 次计数)	(5, 1, 1, 1) 极限分布

2. 沿用词条互斥 (Exclusion Logic)

针对随机主属性部位（如暴击衣）：

• 逻辑： 在计算副词条理论最高分时，自动排除该部位的最佳主属性。
• 目的： 避免出现“暴击衣副词条出暴击”这类不可能情况干扰分母计算。

3. 完全向后兼容性 (Backward Compatibility)

为确保现有应用不受影响，采用了非破坏性更新：

• 保留 max 字段： 继续沿用旧版算法（全统一模型 + 1.2 系数 + 平均值），旧版数据结构保持不变。
• 新增 maxV2 字段： 采用对象结构存储各部位独立的理论最高分，格式为 {"1": val, "2": val, ...}。

---

Results / 结果验证

使用新版算法对 521 个实际角色样本进行了重新评分，效果如下：

改进效果总结

• 极佳的动态范围 (High Dynamic Range):
  数据在 [0, 1] 全谱系区间内分布合理。算法克服了常见的“数值堆积”或“两极化”问题，密度曲线平滑无断层，展现了优秀的抗饱和能力。

• 高精度的区分度 (High Granularity):
  即使在样本集中的高分区间，算法依然保持了敏锐的颗粒度。如图 2 所示，这种分布支持更精细的段位划分（如这里我选择做出了 9 层分段，亦可根据需求轻松自定义），能精准捕捉并拉开样本间微小的质量差异。

• 更真实的体感 (Realistic Experience):

  • 难度修正： 头部/手部的理论上限提高，核心部位（衣/鞋等）上限根据冲突逻辑下调。
  • 毕业认知： 大部分“小毕业”角色的评分自然落在 0.8 - 0.9 区间，高度契合玩家对“小毕业 -> 大毕业 -> 极限毕业”的心理预期。

---

Checklist / 检查清单

• ✅ 代码通过测试，脚本运行无误
• ✅ score.json 输出格式符合预期
• ✅ 更新了 README.md 文档说明
• ✅ 保持了对旧版 max 字段和计算方法的兼容

[ocetars]

根据自己理解做出了一些改进，请作者看看是否合理，希望交流一下～
@mobyw