OverwolfSpire Codex 現已登陸 Overwolf。 瞭解更多 →

殺戮尖塔2 (STS2) 法典評分

每張卡牌、遺物和藥水如何獲得 0–100 的社群環境評分。

S94

什麼是 Codex Score?

貝氏收縮勝率,映射到 0–100 並劃分字母等級。

殺戮尖塔2 (STS2) 中的每張卡牌、遺物和藥水都會得到一個數字,概括它的出現與獲勝局數的相關程度,完全基於社群提交的對局資料,而非主觀意見。50 為中性(A0 下平均對局約有一半獲勝),100 是訊號頂端,0 是底端。這是一種帶有已知偏差(見下文)的樸素相關性,並非對卡牌好壞的定論。同一個數字決定每個列表頁的預設排序和每個詳情頁的徽章。

分級區間

區間等級標籤含義
90 – 100S頂級勝率訊號的頂端。在數百次選取中持續保持的、超出分佈的勝率。
78 – 89A強在大樣本中穩定高於基準線。
65 – 77B穩健勝率高於平均。沒有更好選擇時的穩妥之選。
50 – 64C中等曲線的中段。大多數都在這裡。
35 – 49D低於平均低於基準線。通常是小眾或看情況的選擇,有時只是曝光過高(見下方偏差)。
0 – 34F表現不佳勝率訊號的底端。常常是因幾乎每局都在場而被拉低的常用牌,未必是差牌。

公式

評分分兩步:貝氏收縮(避免5次選取全勝的卡牌壓過500次選取穩定的卡牌),然後把相對基準線的勝率線性映射到 0–100。

baseline   = total_wins / total_runs       # global win rate
shrunk     = (wins + baseline · 50) / (picks + 50)
delta      = shrunk − baseline
raw        = (delta / 0.15 + 1) · 50
score      = clamp(raw, 0, 100)            # rounded to integer
  • 先驗權重 = 50。 每個條目起始時相當於在基準勝率下有50次虛擬選取。真實選取在這個先驗之上累積,資料越多評分越穩定。5次選取全勝的卡牌只能略微推動先驗;500次選取且戰績強勁的卡牌則能壓過它。
  • 尺度範圍 = ±15個百分點。 勝率比基準線高15個百分點對應100。超出後評分飽和,超出該區間的條目確實脫離了分佈。
  • 截斷。 即使數學結果如此,評分也不會為負或超過100。上限是誠實的:達到上限的條目意味著「至少這麼好」,不一定是「正好100」。

計算範例

下方所有行使用相同基準線(50%勝率)。注意樣本量的影響:5次選取全勝只得 B 級,而500次選取56%勝率得 A 級。

情境選取數勝利勝率%評分
海量樣本,頂尖100070070%S100
樣本多,強1007070%S94
樣本中等,穩健50028056%B68
樣本少,全勝55100%B65
表現平均502550%C50
樣本少,尚無勝利500%D35
樣本多,表現不佳2006030%F0

Codex Elo,另一半

Codex Score 評估勝率,這誠實但存在混雜:一張卡的勝率反映了誰選了它、它進了什麼牌組,而不只是卡牌本身。Codex Elo 從另一面切入。它完全忽略勝負,轉而讀取顯示性偏好。每個卡牌獎勵介面都被視為一場對決,你拿走的卡戰勝你跳過的卡。對數百萬次這樣的決定擬合 Bradley-Terry 模型,就得到了「被提供時,玩家真正想要哪張卡?」的評分。

  • 與水平無關。 勝率隨打這張牌的人而起伏,選牌決定則不會。無論是高手還是普通玩家在選,強牌都會被偏愛,所以 Elo 繞開了勝率的混雜因素。
  • 錨定約1500,每十倍差400。 相對對手被選取頻率是平均值十倍的卡牌,Elo 高出約400,與西洋棋的尺度邏輯相同。
  • 僅限卡牌。 獎勵介面提供的是卡牌而非遺物或藥水,所以基礎卡 Elo 只存在於卡牌。
  • 升級卡有自己的 Elo。 獎勵介面可能提供已升級的卡牌,但對局匯出只記錄拿了哪張卡,不記錄提供的是否為「+」版本,所以每次獎勵選取都記在基礎卡上,無法代表升級版。「+」版本改用另一種顯示性偏好來評分:休息點的鍛造決定。當你升級一張卡時,它「戰勝」了牌組中你本可以升級卻沒有升級的其他卡。對這些選擇擬合同一個 Bradley-Terry 模型,「+」行就得到真正的升級 Elo,而非基礎數值的複製。初始卡也能這樣獲得(打擊可以鍛造)。

把兩者結合使用:Score 說「這能贏」,Elo 說「玩家看到就想要」。兩者都高的卡毫無疑問;兩者差距大的通常是需要圍繞構築或看情況的選擇。 兩者並排顯示在卡牌指標表中。

每一欄的含義

所有統計表都使用這些欄位。將滑鼠停在表格的欄位標題上會顯示同樣的說明。

在第 5 層及以前放棄的遊戲不計入這些表格的任何統計,因為它們大多是在 Neow 處重開、並未真正遊玩的局。它們仍計入遊戲總數。

評分
Codex Score:持有它的席位的勝率,向該群組基準收縮後映射到 0 到 100。
Elo
Codex Elo:玩家在同一畫面中選它而非其他選項的頻率,按 Bradley-Terry 評分擬合。
勝率
持有它並最終贏下這局的席位占比。
選取率
在選擇畫面中被提供時被選取的頻率。
持有%
該群組中所有席位裡曾經持有過它的占比。
提升度
勝率減去同一批玩家從獲得它的樓層起預期能贏的比例,單位為百分點。
出現
在選擇畫面出現的次數
選取數
持有它的席位(樣本量)
已使用%
獲得它並至少使用過一次的席位占比。
購買%
它出現在商店貨架上時被購買的頻率。
佔比
此選項在該事件所有選擇中的占比。
低血量
這些選擇中在生命低於一半時做出的占比。
A1
第 1 幕選擇畫面中的選取率。
A2
第 2 幕選擇畫面中的選取率。
第3幕+
第 3 幕及之後選擇畫面中的選取率。
勝-負
持有它的席位的勝負數。

評分不是什麼

Codex Score 是樸素的勝率相關性,而相關性自帶包袱。下面兩個最大的混雜因素解釋了為什麼一些明顯的好牌可能排得低、一些小眾牌可能排得高。把等級當作帶注意事項的訊號來讀,而非定論。對於在獎勵介面出現過的卡牌,Codex Elo 是混雜更少的制衡:它與水平無關,也不按曝光加權。 跳轉到 Codex Elo

  • 曝光時長 / 選取頻率偏差。 在牌組裡待得更久、或幾乎每局都被選的卡(初始卡、普通卡、高頻常用牌),會分擔更多它在場時的每一次失敗。所以高頻使用的卡即使不錯也評分偏低,這就是一些常用牌落到底層的原因。F 往往意味著「高曝光」,而不是「差牌」。
  • 倖存者偏差。 後期的稀有和罕見卡只會在已經走得很深的對局中出現,而這些對局平均來說本來就進行得不錯。它們的勝率被選牌前對局的健康狀態抬高了,所以可能顯得比實際更強。
  • 不是個人化推薦。 評分回答的是「對平均提交者來說什麼能贏?」它看不到你的牌組、角色、晉階等級或已有的遺物。如果一張 C 級卡能解決你的問題,它就是正確的選擇。
  • 未按晉階等級歸一化。 在 A0 很強、在 A10 平庸的遺物只會得到一個混合評分。等高晉階的樣本量具有統計意義後,我們會加入按晉階分級的評分。
  • 未按角色歸一化。 一件在故障機器人上勝率 70%、在鐵甲戰士上 45% 的遺物會被混成一個數字。按角色評分已在計畫中(資料已在每個詳情頁的角色分項表中)。
  • 偏向提交者群體。 評分反映的是真人願意提交的對局,其中勝局和排位模式玩家的比例偏高。基準勝率來自同一群體,所以在相對排名上偏差大體抵消。但絕對勝率會高於普通玩家。
  • 每30分鐘刷新。 評分在伺服端快取。你現在提交的對局會影響下一次評分重建,而不是瀏覽器中顯示的這一次。

想自己剔除明顯的混雜因素,卡牌指標表把 Codex Elo 放在 Score 旁邊,並按角色和對局分段切分兩者。 卡牌資料 →

實際效果

改進評分

提交的對局越多,每個評分就越精準,尤其是失敗的對局,它們在社群資料集中長期不足。提交者群體就是資料。

→ 提交對局