如何以99%的概率赢得猜词游戏？信息论的奇迹

**什么是 Wordle？** Wordle 是《纽约时报》推出的一款每日文字谜题游戏。玩家需要在 6 次尝试内找出一个秘密的 5 个字母英文单词。每次猜测后会得到三种颜色提示： • 绿色：字母正确且位置正确 • 黄色：字母在单词中，但位置不对 • 灰色：字母不在单词中 每天只有一个谜题，全球所有人当天的答案都相同。这也是它如此受欢迎的原因。 **99% 胜率的新策略** 2026 年 6 月 19 日，纽约州立大学宾汉姆顿大学（Binghamton University）的研究人员发布了一种几乎总能解出 Wordle 的方法。 • 负责人：助理教授 Congyu “Peter” Wu • 团队成员：Donald Stephens、Talal Aladaileh • 发表论文：“Solving Wordle Using Information Theory”，Northeast Journal of Complex Systems • 他们的成功率：99% 传统策略，也就是用 A、E、R 等高频字母来猜，大约只能达到 90% 的胜率。 **秘诀是什么？Shannon 熵** 通常我们会去猜一个“感觉可能就是答案”的词。这个团队改变了思路：他们不去寻找最可能成为答案的词，而是寻找能提供最多信息的词。 他们使用的是 Shannon 熵——信息论中衡量不确定性的数学工具。该方法会计算每次猜测能以多快的速度削减剩余的可能性，并推荐信息增益（information gain）最大的单词。 因此，有时推荐的词看起来会很随机。它甚至可能几乎不可能是答案。但它能在下一步把你更快地引向正确答案。 Donald Stephens 说：“一次猜测不必是正确答案，只要它能提供信息就够了。” **实际操作怎么做？** 游戏时需要同时运行一个小脚本。每次猜测后把出现的颜色输入进去，它就会告诉你下一次的最佳猜测。 这个项目并非一开始就是大型研究。它源于 Wu 的课堂作业——“展示如何将信息论用于现实世界问题”，之后才发展成发表论文。 **结语** Wordle 不只是游戏。它是一个关于如何高效收集信息的小例子。同样的熵思想也应用于医学诊断、搜索算法等许多领域。 明天玩 Wordle 时，不要只找“正确答案”。去下一个“最能让你学到东西”的猜测。 --- 来源：纽约州立大学宾汉姆顿大学（Binghamton University, State University of New York）。“Solving Wordle Using Information Theory”，Wu、Stephens、Aladaileh。Northeast Journal of Complex Systems，2026 年 6 月。Wordle® 为纽约时报公司（New York Times Company）的注册商标。 ## 背景与语境（Background & Context） 由于 Wordle 是《纽约时报》推出的每日文字谜题游戏，它创造了一种“同一天所有人玩同一个谜题”的共同体验。每天只能玩一次的限制，以及必须在 6 次尝试内找出一个 5 个字母英文单词的规则，使其相较于普通文字游戏更像一个小型决策问题。每次猜测后通过绿—黄—灰的反馈明确划出了“已知—未知”的边界。正是这种结构，使我们可以把 Wordle 这类游戏不仅视为语言知识练习，也将其作为“如何在受限尝试中收集信息”的一个示例来理解。 本文所强调的背景意义，主要在于帮助读者理解常见的人类策略与数学驱动策略之间的差别。许多人通常会优先使用高频字母来猜；这种方法在一定程度上有效，但它的目标仍是直接指向“如何更快猜中答案”。与此相对，据称宾汉姆顿大学研究人员在 2026 年 6 月发布的研究，把“哪一次猜测能带来最多信息”作为核心问题。他们使用信息论概念 Shannon 熵的度量方式，计算每次尝试能以多快速度缩小剩余可能性。于是，下一个猜测是否“看起来像答案”不再是关键，关键在于它是否“降低无知”；这种转向正是理解文章语境的核心背景。 此外，文中提到该研究从课堂作业起步并最终形成发表成果，也说明了基础理论如何在教育场景中转化为可在游戏中量化的结果。作为其实用形态，文中提出可以在游戏时通过一个小脚本输入颜色反馈来获取下一次最佳猜测的方法。这样一种“计算机辅助 + 人类决策”的组合，为何信息论概念重要提供了语境：Wordle 虽是一个小平台，但同样的思想可用于许多需要在有限尝试中逼近正确决策的领域（例如医学诊断、搜索算法），文章也据此进行了关联。因此，这一背景不仅将 Wordle 视为消遣，更引导读者把它看作一个用于训练信息收集与决策思维的简化模型。