
對局配對分級
匹配等级分(MMR)是游戏为每位玩家记录的、用来评估其水平的数值,以便匹配机制能组建均衡的对局。评分系统决定了该数值的初始值、每场对局后的变动幅度及其确定程度,通常还会在等级分之外追踪一个置信度值。该系统的设计选择,例如如何处理团队、组队以及新玩家,决定了玩家对对局公平性的感受。
又称
MMR(隐藏分)、匹配评级系统、技术评级
,
匹配评级(Matchmaking Rating)追踪的是什么?
一个单独的数字可以表明一名玩家看起来有多强,但它无法体现系统对此有多确信。如今使用的许多评分系统都会同时跟踪这两项指标:技能预估值以及对该预估值的置信度度量。
Glicko-2 存储评分、评分偏差和波动率。新玩家的初始评分为 1500,偏差为 350;随着比赛结果的产生,偏差会缩小;而当玩家离开一段时间后,偏差又会增大(Glickman,2022年3月)。
来自微软亚洲研究院(Microsoft Research)的 TrueSkill 存储技能估值 (μ) 和不确定性 (σ),并显示保守的 μ 减去 3σ,这样比赛较少的玩家就不会被高估(Microsoft Research)。
置信度值起到了很大作用。当该区间较宽时,每场比赛结果都会使评分产生较大变动,从而使新玩家能够迅速找到适合自己的水平等级。一旦区间收窄,评分变动就会变慢,因此某一个发挥失常的夜晚不至于抹杀数月以来的战绩。最著名的 Elo 系统仅跟踪估值,这也是许多游戏对其进行扩展的原因之一。
文章的核心洞察
简短回答:基于技能的匹配机制(SBMM)会根据玩家在每场对局中对阵所有其他人的表现进行评级,并将技能水平相似的玩家分配到同一场对局中。《使命召唤》仍然将连接质量(延迟/ping)排在首位。在动视于 2024 年进行的一项放宽技能要求的测试中,90% 的低水平玩家回流游戏的频率下降了。
匹配评级(MMR)如何处理队伍与预组队?
在团队游戏中,一场比赛的结果会更新队内的每一位玩家,因此单场比赛能反映个别玩家水平的信息较少。微软研究院(Microsoft Research)的 TrueSkill 数据表展示了这一差距:在一对一游戏中至少需要 12 场比赛才能确定玩家的技术水平,而在两支各 8 人的队伍中则至少需要 91 场,实际数字可能高达三倍(查阅于 2026 年 10 月 29 日)。
两种常见的应对方案,各有权衡:
考量个人表现:TrueSkill 2 会将个人得分纳入每位玩家的评分更新中。虽然积分能更快趋于稳定,但玩家可能会为了个人数据而非团队胜利而战,因此指标的选择至关重要。
按模式或匹配队列保留独立评分:单人模式下的水平并不总是能体现到团队模式中,反之亦然。
组队开黑则带来了另一个问题:如何为一起排队的团队评级。取成员的平均值是常见的做法,但平均值可能会掩盖最强与最弱玩家之间的巨大差距。对组队匹配的严格程度,属于基于技术的匹配机制的一种取舍。
新玩家、赛季和不活跃状态会如何影响评分?
定级赛、赛季重置和积分衰减表面上看是三个独立的功能。但在追踪置信度的系统中,它们通常是同一个杠杆:扩大不确定性,使积分变动更快,直到再次趋于稳定。
新玩家一开始的不确定性范围很大,因此他们的前几场比赛(通常称为定级赛)能让他们迅速匹配到符合自身水平的区间。
退坑回归的玩家其实力可能会发生变化。在 Glicko-2 系统中,玩家每缺席一个评分周期,其偏差值就会扩大,而积分本身保持不变。
新赛季可以对所有人进行软重置:将积分部分拉回中位数,或者扩大其不确定性,这样天梯榜就会重新洗牌,而无需从零开始。
随着玩家的加入和流失,积分也会随时间发生漂移,这也是许多游戏定期重置的另一个原因。由于许多游戏会隐藏具体积分,玩家通常是通过可见的段位或梯级来感知这些影响的。
匹配积分的结果应该来自哪里?
在一场对局的生命周期中,评分在开始时被读取,在结束时被写入:
游戏后端将每位玩家的评分附加到其匹配器票据上。
匹配器将符合其评分规则的票据进行分组。
对局在服务器上进行。
上报对局结果,后端更新各项评分。
第 4 步是公平性容易出问题的环节。玩家客户端上报的结果可能存在伪造,因此许多游戏会从运行对局的权威服务器获取结果。中途退出、代练(高水平玩家提升他人账号)和炸鱼(经验丰富的玩家使用新账号)是值得尽早确立应对方案的边缘情况。
在 Edgegap 上,评分保留在工作室的后端中。评分会作为票据属性传递给匹配器,涉及敏感数据时通过服务器间传输,并应用数值差值规则进行匹配(例如分差在 50 分以内,30 秒后放宽至 150 分,详见文档)。Edgegap 的匹配器提供适用于 Unity 和 Unreal Engine 的 SDK。
无论游戏背后的团队规模如何,技术型游戏的玩家通常都期望获得媲美顶尖大型工作室的匹配体验。在上线前充分研究游戏所需的评分系统将大有裨益;这篇《使命召唤》深度解析展示了一家大型工作室是如何权衡取舍的。
来自我们的赞助商(其实就是我们自己!)的寄语
当其中一名玩家就住在数据中心旁边时,比赛就是不公平的。Edgegap 的边缘云可按需利用多达 615 个以上的分布式节点,根据每场比赛中所有玩家的连接位置来部署服务器,而不是固定在某个区域。在 Edgegap 的 1v1 研究中,这让对手之间的公平性差距缩小了 28%。











