
《使命召唤》发布长篇“论文”试图证明:没有SBMM只有高手受益
SBMM——基于技能的比赛匹配系统,一直是《使命召唤》和广大 FPS 玩家所诟病的东西,但是《使命召唤》抱怨的玩家最多,因为似乎它所使用的匹配系统是让技术较好的玩家体验最糟糕的。
动视在此前一改对匹配系统避而不谈的态度后,日前又公开了一篇长达
25 页的“论文”,以试图证明 SBMM 实际上是对玩家有益的。在论文中公司透露,曾对玩家暗地里进行一些“实验”,以判定 SBMM 是否有实际的作用。
论文首先讨论的是此前已经在开发者分享中指出的问题,包括匹配最终是的实际上是速度而不是双方玩家技术的完美平衡。
随后官方讨论了一项于
2024 年初在《现代战争3》中进行的“实验”,动视悄悄地对 50% 的北美玩家降低了 SBMM 的匹配“权重”,结果发现,超过 90% 的玩家在减少权重后也减少了游玩游戏的次数,只有技术在前
10% 的玩家并没有受到影响。
论文随后继续试图证实一个观点,即完全的随机匹配仅有利于那些真正技术好的玩家,而对水平一般的玩家则非常的糟糕——也就是说,在为游戏 SBMM 明目张胆的弱保软找借口。
报告称:“连杀的使用以及每分钟击杀数和每分钟得分数得增加表明,大厅技术百分位差距的扩大是由前
10% 的玩家所影响的不成比例的情况。不幸的是,这种水平的提高是以分布在最底层的
30% 玩家产生更大影响为代价的。”
官方还绘制了一张图,显示普通水平玩家在更加随机的匹配情况下技术差距增加,导致低水平玩家的比赛更难玩,这导致了水平较低的玩家玩游戏更少而技术分层进一步下降,随后再导致技术差距拉大,形成一种“死循环”。
在长篇大论以及对各种玩家数值进行分析后,动视得出结论:“我们发现,平衡技能与其他匹配因素可以显著提高大多数玩家游玩《使命召唤》的程度。当匹配中使用了技术作为基准时,80%
- 90% 的玩家会获得更好的比赛结束排名,愿意玩游戏更长时间,并且更少中途退出比赛。”
这长篇大论看似证明了 SBMM 是对大多数玩家有好处的,实际上在小编看来,只证明动视的态度:《使命召唤》并不在乎技术好的玩家,因为他们人数占比并不大;动视只在乎留住更多的玩家,不论他们有多菜,或者是玩游戏的态度有多差。
这确实是一个成功的商业思维。不仅如此,此前我们也有曾报道,除了 SBMM 以外,现代《使命召唤》中还包括许多其他的系统,例如一些技术水平较高的玩家会体验到的直接性的游戏内指定削弱(你打别人没伤害,别人打你一枪死)来“弱保软”;此外还有系统,让那些购买了全新皮肤的玩家能够被在游戏里增强(匹配到更弱的对手),来让他们感觉皮肤是他们变强,推动他们购买更多皮肤,同时也让看到他们表现突出的玩家产生购买皮肤变强的意图。
《使命召唤》确实是一款娱乐 FPS 游戏,相比竞技性,它更多的像是一个贩卖让人上瘾的肾上腺素的“赛博大烟店”,它只在乎如何从更多的玩家身上赚更多的钱,游戏的公平性显然不是重点。
如果你对这篇“论文”感兴趣,可以点击这里前往查看(全英文)。
如非特殊说明,本站内容均来自于网友自主分享,如有任何问题均请联系我们进行处理!
猜您喜欢
彻底开启 Windows 11 原生的“AI 听写转文字录入” 提升长篇办公文档文字输入
2026-06-04Windows11AI听写需满足22H2+版本、下载中文语音识别包、开启辅助功能中听写开关、校准麦克风;按Win+H启动,支持语音指令控制格式。 Windows11内置的“听写”功能默认处于关闭状态,且系统未主动提示启用路径,导致多数用户长期无法使用原生语音转文字能力处理会议记录、长篇报告或邮件草稿。 确认系统版本与语言支持 打开“设置”→“系统”→“关于”,查看“Windows规格”中的版本号,...
如何让Kimi更精准地总结长篇会议记录_通过摘要结构化提示词
2026-05-29请严格按以下4个模块输出摘要,不添加任何解释性文字,不合并条目,不自行补充未提及内容:【决策项】:仅列出明确达成一致的结论,每条以“✓”开头,不含讨论过程;【待办人】:仅提取被点名承担任务的人名或部门,每人/部门对应一条,格式为“张三→整理需求文档”;【截止时间】:仅提取会议中明确说出的日期或周期(如“下周三前”“3个工作日内”),原样保留表述,不换算;【争议点】:仅记录未达成共识的议题,每条以“...
如何用Kimi高效提取长篇行业研报中的竞争对手信息?
2026-05-29可借助Kimi长文本解析与结构化指令能力高效提取竞对信息:一、上传研报并启用深度解析;二、设定实体识别指令定向抓取;三、多文档交叉比对验证一致性;四、构建SWOT矩阵并导出表格。 ☞☞☞AI智能聊天,问答助手,AI智能搜索,多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ 如果您面对一份动辄千页的行业研究报告,却需要在短时间内精准定位并提取其中关于竞争对手的关键信息,则可借助Kimi的长文本解析与...
AI影视创作的未来:纳逗Pro能否重新定义专业长篇叙事作品的边界
2026-05-28纳逗Pro尚未重新定义专业长篇叙事边界,但显著降低影视创作门槛,通过剧本理解引擎与跨镜追踪实现一致性控制、自然语言修改、多视角推演及元数据标注,提升叙事健壮性与协作效率。 ☞☞☞AI智能聊天,问答助手,AI智能搜索,多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ 纳逗Pro目前还不能重新定义专业长篇叙事作品的边界,但它正在显著降低高质量影视叙事的创作门槛,尤其在前期开发与中期执行环节带来实质性突...
面对长篇法律诉讼材料,如何用Kimi快速梳理案情细节?
2026-05-28法立正「AI法律智能专家分析」正式上线,运用时序逻辑建模与证据链关联算法,围绕“时间线-交易轨迹-证据关系”结构化梳理案情,自动生成“证据清单+逻辑链”,如民间借贷案可清晰呈现借款、转账、催款、起诉等关键节点。 ☞☞☞AI智能聊天,问答助手,AI智能搜索,多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ 如果您手头有一份长篇法律诉讼材料,内容庞杂、信息密集、关键要素分散,而需要在短时间内把握核心事...
Kimi在处理长篇文献时,如何避免逻辑遗漏和关键点缺失?
2026-05-28Kimi解析效果差的根源在于输入路径未适配其机制,需通过预处理减噪、分段锚定、结构强化和交叉验证四步优化。 当你把一份三四十页的行业白皮书或硕博论文丢进kimi,却只得到泛泛而谈的摘要,甚至漏掉核心模型图示说明、关键数据对比段落或方法论限制条件——这不是模型能力问题,而是输入路径没对准它的解析机制。 预处理:先剥掉干扰层再喂给Kimi PDF里的页眉页脚、自动生成的目录超链接、扫描件残留的灰度噪点...
如何通过Kimi快速提取长篇合同的生效与终止条件?
2026-05-28可借助Kimi大模型通过分段锚点提示、法律条款模板匹配、角色扮演结构化输出、PDF直输OCR增强四种方法,精准提取合同生效与终止条件。 如果您需要从长篇合同文本中快速定位并提取“合同生效条件”与“合同终止条件”两类法定核心条款,但面临条款分散、表述冗长、嵌套复杂或格式干扰等问题,则可借助kimi的大语言模型能力进行精准识别与结构化抽取。以下是多种可行的操作路径: 一、分段锚点提示法 该方法利用合同...
ManusAI生成思维导图教程:一键将长篇文章转化为结构化笔记
2026-05-28ManusAI不支持直接生成思维导图,需通过“人工引导+分步拆解+外部工具协同”实现:第一步用缩进格式提取逻辑骨架;第二步导入XMind等支持大纲解析的工具自动转换;第三步人工补连接线、图标与关键词精简。 ☞☞☞AI智能聊天,问答助手,AI智能搜索,多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ ManusAI目前不支持直接生成思维导图,也没有“一键转结构化笔记”的内置功能。它是一款以长文本理解...
石文app如何排版长篇文章_石文app排版长篇文章步骤【教学】
2026-05-27应切换至“文档中心”启用图文报告模式,使用Markdown语法设置标题层级,插入分页符与图文混排容器,并套用SY/T标准模板导出PDF。 如果您在石文App中尝试排版长篇文章,但发现界面无文字编辑入口、格式选项缺失或内容无法分段呈现,则可能是未启用专业图文编辑模式或误入地质数据处理模块。以下是解决此问题的步骤: 一、确认使用石文App正确版本并进入图文编辑模块 石文App主定位为油气勘探开发地质研...
面对长篇学术专著,如何用Kimi快速定位论点支撑证据?
2026-05-26Kimi可高效提取学术专著中的论点支撑证据:先上传文字版PDF并等待解析;再以明确论点句反向提问定位原文;接着分三层验证——查原文出处、追索引证路径、过滤限定条件;最后导出含论点、页码、证据类型及适用场景的结构化卡片。 ☞☞☞AI智能聊天,问答助手,AI智能搜索,多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜ 面对动辄三四百页的学术专著,逐章精读找论点支撑证据既耗时又低效——你可能花两小时翻完“...
