先说结论

单排玩家面对的是一场十人组合优化。系统需要把十个互不熟悉的人拼成两支临时队伍，同时兼顾隐藏水平、位置、英雄倾向、网络延迟、等待时间和玩家是否愿意继续游戏。

因此，单排的主要问题并不是系统能不能准确算出你的个人水平。它更难算的是：五个第一次合作的人放在一起以后，会发生什么。

从玩家角度看，最有效的应对方法有四个：

  1. 固定自己的位置和英雄，减少个人表现波动。
  2. 单排优先选择能够清线、自保和处理资源的熟练英雄。
  3. 在困难局里减少冒险，不用一次高风险操作证明自己。
  4. 进入排位前规定结束条件，不让输赢决定当天玩多久或花多少钱。

这四件事不能破解匹配系统，却能削弱系统误差、随机队友和个人情绪叠加产生的损失。

本文是《谁在被系统优化？》的续篇之一。上一篇讨论的是总框架：如果游戏公司的第一目标是长期利润，那么公平仍然重要，但更像一种维持信任和留存的约束。本文只讨论一个更具体的问题：在这种机制下，单排玩家会遇到什么，又能做什么。

单排系统首先要猜测你是谁

系统看不到所谓真实水平，只能根据历史记录维护一个概率判断：

\[ P(x_i\mid H_i) \]

其中，\(x_i\) 是系统对玩家 \(i\) 当前状态的估计，\(H_i\) 是他的历史数据。这个状态可能包括技能、位置熟练度、常用英雄、近期表现、不确定度和退出风险。

每打完一局，系统获得新的胜负和行为数据，再进行贝叶斯更新：

\[ P(x_i\mid H_i,D_i) \propto P(D_i\mid x_i)P(x_i\mid H_i) \]

TrueSkill负责估计个人技能和系统对这项估计有多确定。Dynamic K控制一局结果对评分产生多大影响。PCA可以把经济、参团、推塔、位置和英雄等大量数据压缩成较少的行为特征。

这意味着隐藏分不一定只是一个数字。系统更可能维护一个多维画像。例如，一个玩家的打野水平很高，并不代表他的辅助水平相同；一个玩家使用熟练英雄时很稳定，换成陌生英雄后，单局波动会迅速增加。

对玩家来说，结论很直接：排位里频繁换位置、临时练英雄，会同时增加系统的估计误差和自己的操作误差。

五个相近的人，不一定组成相近的队伍

单排队伍的有效实力可以简化为：

\[ R_A= \frac{1}{5}\sum_{i=1}^{5}\mu_i +\chi_{role} +\chi_{hero} -\rho D_A +\varepsilon_A \]

\(\mu_i\) 是五名玩家的个人隐藏水平，\(\chi_{role}\) 是位置适配，\(\chi_{hero}\) 是英雄与阵容适配，\(D_A\) 是队内实力差距，\(\varepsilon_A\) 是临时配合带来的误差。

系统可以把两队平均隐藏分配得很接近，却很难提前知道这些事：

GNN可以利用历史组队、好友和对战关系学习玩家之间的联系，但单排的大多数临时关系没有足够历史。系统知道每个人过去怎样打，不等于知道这五个人今天怎样配合。

所以单排经常出现一种体验：赛前看起来双方水平接近，进入游戏后却一边倒。这不一定说明系统事先决定了胜负。临时阵容和前几分钟的决策，足以把赛前的50%迅速改写。

利润优先会怎样改变单排目标

如果公平是唯一目标，系统只需要寻找实力最接近的两支队伍。

如果利润和留存排在前面，候选对局的评分可能更接近：

\[ U(M)= \alpha Retention(M) +\beta Value(M) +\gamma Quality(M) -\lambda Wait(M) \]

EOMM估计某种匹配是否会让玩家继续游戏，生存分析估计玩家什么时候可能退出，信息熵衡量比赛结果是否有悬念。MIQP或其他组合优化方法负责在段位、位置、延迟和等待时间等限制下选出十个人。

视频提到的Handicap可以作为额外胜率偏置，但它不是一个已经得到证实的标准机制。Minimax更适合用来处理预测误差、阵容反制和最坏情况，也不能直接推出系统故意让某个玩家难受。

这里有一个容易被忽略的事实：系统不必制造必输局。它只要在若干可接受的候选对局中，选择一场更符合留存目标的比赛，就已经改变了玩家接下来可能经历的胜率和情绪。

同时，稳定活跃的玩家可能面临一个不舒服的推论。如果模型判断这个人输了也会继续玩，那么保护他一局的边际收益可能不高。系统也可能把更有挽回价值的体验留给接近流失的人。

这只是利润优先模型能够推出的方向，不是已经查明的腾讯规则。因为另一个方向同样存在：高价值玩家一旦流失，损失更大，系统也可能优先保护他。真正决定方向的是干预以后能增加多少未来价值，而不是玩家过去花了多少钱。

单排玩家处在什么局面

第一，队友是系统替你选择的风险

单排玩家只能控制自己的位置、英雄和操作。其余四个人的水平、情绪和配合意愿都由系统组合。

这使单排天然比固定五排更容易出现临时失配。个人隐藏分很接近，也无法保证五个人的英雄池和决策方式互补。

第二，系统预测的平衡不等于玩家感受到的平衡

信息熵在预测胜率接近50%时达到最大，但前提是胜率模型本身准确。如果模型低估了某个绝活英雄、位置冲突或玩家当天的状态，它仍可能给出50%，比赛却很快失衡。

因此，五五开只能解释为赛前模型认为结果难以预测，不能保证双方过程同样舒服，也不能保证每个人承担的压力相同。

第三，连胜后变难不需要额外惩罚也能发生

连续获胜会让隐藏分逐渐追上你的当前表现。对手自然变强，胜率回落。极端连胜还可能同时包含状态和运气，随后出现均值回归。

队列人数、位置和延迟限制也会让系统只能找到局部最优组合。这些因素已经足以制造连胜后突然变难的感觉，不能只凭这种体验证明Handicap存在。

第四，系统最容易利用的是立即再开一局

单排失败后，玩家常会产生一个明确冲动：必须马上赢回来。

如果EOMM和流失模型进入目标函数，这种反应就是系统最容易学习的信号。一个无论怎么输都会继续排位的人，不需要额外保护也能贡献游戏时长。

单排玩家怎样应对

排位前决定什么时候结束

不要在输了以后才决定是否继续。开局前直接定好当天最多玩几局。连输两局就停止，达到当天目标也停止，不临时追加所谓补偿局。

这样做不是为了重置隐藏分。它切断的是失败、立即再开、状态下降、再次失败的反馈循环。

固定一个位置和少量英雄

排位只使用真正熟练的英雄。准备一个主位置，再准备一个补位方案。新英雄放在训练场或娱乐模式。

贝叶斯评级会根据新数据持续更新。稳定的角色和英雄能减少单局噪声，让系统更快认识你的真实水平，也让你在逆风时知道自己能做什么。

单排选择能够独立处理问题的英雄

单排不能假设队友会按计划配合。英雄最好能够清线、有基本自保能力，逆风时可以守塔，团战结束后也能把优势转成防御塔或资源。

纯粹依赖队友创造输出环境的英雄并非不能玩，但它会把更多胜率交给陌生队友。

开局先判断谁值得配合

单排没有预设指挥。开局前几分钟要观察谁愿意回应信号，哪一路确实有优势，谁已经明显失去节奏。

可靠的队友就围绕他建立人数优势。连续失误的一路不要无止境投入资源。这里不是放弃队友，而是避免把一处劣势扩散成全图劣势。

困难局主动降低风险

阵容差或开局逆风时，最危险的做法是靠一次高风险操作证明自己。先处理兵线，减少无意义死亡，团战获胜后立刻拿塔或资源。队友争吵就屏蔽，不把注意力投入无法改变的事情。

低胜率不等于必输。减少波动，才能把本来不利的比赛拖回可打状态。

排队明显过长就换时间

等待时间远长于平时时，说明系统可能缺少足够合适的候选玩家。此时取消排队，换到玩家较多的时间再打，比勉强接受一个位置和水平都可能失配的组合更合理。

不要用KDA欺骗系统

如果系统使用多维行为特征，单纯保KDA很难改变整体判断。为了少死而不参团、团战获胜后继续刷野、忽略兵线和防御塔，会直接降低获胜概率。

系统怎样评价你无法确定，但推掉对方水晶仍然是确定的胜利条件。

把消费和输赢分开

不要在连败后充值、抽奖或购买皮肤来补偿情绪。提前确定预算，只购买原本就准备购买的内容。

付费是否参与匹配没有公开答案。把消费与当天输赢分开，无论真实算法是什么，都能避免平台从挫败感中获得额外收入。

单排最重要的一条原则

单排玩家无法选择四名队友，也无法知道系统给每个候选对局打了多少留存分。真正能控制的是自己的波动，以及一次输赢能不能改变接下来的时间和消费。

固定位置和英雄，困难局减少冒险，排位前规定结束条件。这套方法不会让系统失效，但会减少系统能够利用的行为空间。

本文使用的是一个技术上可行的统一模型，不是腾讯后台代码的披露。TrueSkill、EOMM、PCA、GNN、生存分析和组合优化都是真实方法，它们是否以这种方式共同运行于《王者荣耀》，仍然缺少公开证据。这个边界不影响玩家采取上述措施，因为这些措施在公平优先和利润优先两种系统下都成立。