Die Schätzgüte, wie du so schön sagst, ist im Framework ja eine Kombination aus Menge der Partien und dem Erfolgsscore. Will sagen, je besser ein Patch scort, desto weniger Partien (und damit Genauigkeit) werden vom Framework gefordert/gespielt, um als grün durchzugehen. Bei der längeren Bedenkzeit war der Score deutlich besser, daher reichten eben schon ca. 5000 Partien, um den Patch als grün durchzuwinken. Bei der kürzeren Bedenkzeit war der Score zwar auch gut, aber nicht sooo gut, daher wollte das Framework das durch höhere Genauigkeit absichern.
Das ist schon ein sehr gutes System, wie ich finde. So sollte es ja beim Testen generell sein: Je geringer die zu messenden Differenzen bzw. Fortschritte sind, desto höhere Genauigkeit ist erforderlich, um ebendiese statistisch vernünftig nachzuweisen. Weswegen ich ja eben in der LS-Rangliste mehr Genauigkeit brauche, als andere Ranglistenbeteiber, da ich mich auf den Top-Bereich konzentriere und auch nur geringfügig verbesserte Development-Versionen teste (und eng verwandte Derivate). Eine statistische Tester-Grundwahrheit, die das Framework automatisiert durchführt. Und die Erfolge des Frameworks geben dem Ansatz auf jeden Fall Recht (was ja auch nicht überrascht).

Stefan