我沒能琢磨出來這個秘稀的初始分是根據(jù)什么定的，不過上秘稀之前好好玩還是 隨便胡玩似乎并不會造成太大影響。 這種基于隱藏分的匹配算法會帶來天差地別的對局難度：隱藏分不會隨著賽季結(jié)算而被重置，也就是說 如果你在秘稀段墊底，下個月重置后的對局會十分簡單，而且”上了任何一個新的分段之后瘋狂投降“這 個策略可以讓你上秘稀的過程變得十分輕松（舉個例子：在黃金4投也可以讓你在鉆石遇到的對手更 弱）。?

隱藏分系統(tǒng)的非Glicko性質(zhì)?

在Glicko系統(tǒng)中，隨著對局?jǐn)?shù)的增加，玩家的RD值會逐漸降低；長時間不打則會導(dǎo)致RD上升（譯者注： RD=Rating Deviation，隱藏分偏差。Glicko系統(tǒng)中每個玩家除了隱藏分之外，還有一個變量RD，它一 定意義上衡量了系統(tǒng)對于該玩家的當(dāng)前分?jǐn)?shù)“有多確信”。一個較高的RD分會導(dǎo)致K值增高）。按這個道理，我的大號和兩個小號應(yīng)該RD分相去甚遠(yuǎn)：我的大號生涯對局總數(shù)非常多，而在當(dāng)月幾乎以最快速度 上了秘稀，并且在秘稀段閑置了3個禮拜（除了那一把上了客戶端的當(dāng)）；小號#1也基本上每個月都是以最快速度上的秘稀并且一直在打；小號#2比小號#1的生涯對局總數(shù)要多3倍左右（因為一直在投 降），而且目前也一直在打。?

我的計劃是：用這三個賬號各投降幾把，觀測、比較一下實際的損失分和期望的損失分之間的區(qū)別（假 定最大分差局的期望勝率上下限為25%-75%，且11%及以上的百分位段位差將會導(dǎo)致對局成為最大分差 局），以及三個賬號之間的區(qū)別。

如果隱藏分系統(tǒng)真的如WSZ所說具有Glicko的特性，那么一開始輸?shù)?一把最大分差局的損失分會比之后輸?shù)粢话炎畲蠓植罹值膿p失分大，因為隨著對局場數(shù)變多，RD分則理 應(yīng)變小，從而導(dǎo)致k值也在不斷縮小。出乎意料的是，實驗當(dāng)天3月25日，三個賬號的掉分曲線竟完全相 同，而且都是一條斜率為2.38%/k的直線！秘稀段之前的對局對RD和k沒有影響，上了秘稀之后的對局也 對RD和k沒有任何影響。綜上，這哪里是個Glicko系統(tǒng)啊？ （顯性）AFK懲罰機制的缺失 我將兩個小號的隱藏分故意掉的很低，而且刻意讓這兩個號的百分位數(shù)正好保持2：1。整個月中這兩個 小號百分位數(shù)的2：1關(guān)系始終保持不變。我又將其中一個號輸?shù)綆缀蹼[藏分為0（不會高于5分），這個號在零線上保持了兩個禮拜，一把沒碰，我之后用這個號輸了一把，百分位直接降到了0以下，也就是說 這兩周期間分?jǐn)?shù)并沒有產(chǎn)生任何大的變動。長時間不玩似乎在一個賽季中不會對隱藏分造成任何影響， 也就是說這個系統(tǒng)沒有任何基礎(chǔ)的隱藏分衰減機制。
事到如今（三月末），我開始確信整個mtga的隱藏分系統(tǒng)其實就是個Elo（因為沒有能夠證明任何一個 Glicko特性的存在），況且輸贏率上限正正好好是3：1，這么整的一個數(shù)讓我很難相信這個比例不是人為定好的。

基于這個結(jié)論，我想出了一個以更高的準(zhǔn)確度測定k值的方法。 更加精準(zhǔn)地測定k值 在mtga中你永遠(yuǎn)無法直接看到你的隱藏分，所以直接測定k值也許看起來十分困難，但是如果我們假定 WSZ使用的是Elo的發(fā)明者Arpad Elo（譯者注：匈牙利著名國際象棋棋手）一開始制定的那一套參數(shù) =400的公式，其實這個k值還是可以算出來的，盡管的確比較麻煩。

假設(shè)你能操控天梯第#1500名和#1501名這兩外選手，且#1501的分要比#1500的分低不少。第#1501 名的選手看不到數(shù)字排名，而是一個百分位。稱此時第#1501名玩家所看到的當(dāng)前百分位排名為 ，此時如果第#1500名的玩家面對一個排名很高的牌手輸?shù)袅艘粓鲎畲蠓植罹郑簿褪钦f他輸?shù)袅艘粋€ 最小單局損失分，那么#1501名的玩家會看到一個新的百分位（譯者注：因為所有百分位數(shù)都是你的分 數(shù)除以第#1500名的分?jǐn)?shù)乘100），稱之為 。同時稱第#1500名玩家一開始的分?jǐn)?shù)為X，第#1501 名玩家一開始的分?jǐn)?shù)為Y，那么我們就能建立如下方程組： 如此我們就能以MinLoss（最小單局損失分）為單位來表達(dá)X和Y。（例：X從5.3個MinLoss掉到了4.3個 MinLoss……）因為我們所能看見的 都已經(jīng)過了取整，唯一能夠提高觀察精確度的方法就是讓一開始的Y 絕對值大，而X絕對值小。

讓Y的絕對值增大的方法就是瘋狂投降，而確保X絕對值夠小則需要借助客戶 端的日志文件。當(dāng)你處于前1500名時，百分位是不會顯示的，但是日志文件會把你當(dāng)前相對于秘稀段墊 底玩家分?jǐn)?shù)的百分位記錄下來。也就是說那位墊底玩家的日志中所記錄的百分位數(shù)是100%，而且當(dāng)他把 自己的號打成負(fù)隱藏分的時候，所有其他正分秘稀玩家的日志中也會記錄下一個負(fù)的百分位數(shù)（譯者 注：如果當(dāng)前秘稀墊底老哥的隱藏分是-50，你的分是+1000，你的日志中就會記錄-2000%）。一直投，直到這一局之后你的百分位從-1.0變成0的時候，你就知道該賬號當(dāng)前的分?jǐn)?shù)在[- MinLoss,+MinLoss]這個區(qū)間了。此時的1501A和1501B是由一個絕對值很大的負(fù)數(shù)除以一個絕對值很 小的負(fù)數(shù)得出的，這樣就能獲得比較不錯的精準(zhǔn)度。 如果你能同時操控第#1499，#1500，#1501這三位玩家，你就可以以MinLoss為單位計算這三個賬號 的分?jǐn)?shù)關(guān)系。此時操控第#1499名的賬號和#1500名的賬號對戰(zhàn)，就能夠知道對局前后兩個賬號的隱藏 分（以MinLoss為單位表示）；在此基礎(chǔ)上考慮勝負(fù)比為3：1，以 代入Elo系統(tǒng)的公 式中可以得出： 由此就可以解出MinLoss，然后就可以解出k。

不過這個過程中如果有人上了秘稀，導(dǎo)致整個分?jǐn)?shù)體系變 動，那么恭喜你，只好等到下一個月再重新來過了。按照這個原理，我手上擁有了多個可以用MinLoss 為單位得知隱藏分的小號，讓他們之間互相對戰(zhàn)也比較容易保證每一個對局都是最大分差局，由此所計 算出的k值理應(yīng)是非常精確的。 不過事情并沒有朝著這個”理應(yīng)“發(fā)展，我在所測量的第一局對戰(zhàn)中測定的k值看似合理，大約在20.25左 右；但是之后觀測的幾局對戰(zhàn)卻并沒有按照我的推算進(jìn)行，我無法得出一個能夠符合所有對局結(jié)果的k值 與MinLoss的組合。幾個賬號的日志文件看起來也沒有什么問題，所以唯一可能出差錯的地方，就是這個最大期望勝負(fù)比為3：1的假設(shè)了。 在之前的實驗中，13場勝利正好和39場失敗勝負(fù)相抵，看起來是個很漂亮的結(jié)果，不過問題是這個比例 可能不是正正好好的3： 1。

當(dāng)然，唯一能夠提升觀察精度的方法就是：輸更多場比賽，再贏更多場比 賽，直到勝負(fù)相抵為止。于是在進(jìn)行了一輪相似的實驗后，這次我得出了勝率=24.32%這個數(shù)字。我用 相同的方法又測了一次，24.37；再試一次，24.4。這可太棒了，沒有任何一輪的實驗結(jié)果能夠自圓其 說！唯一合理的解釋是：隨著實驗的進(jìn)行，這個最大期望勝負(fù)比也在不斷地變動！我Tilt累！

現(xiàn)在我們知道m(xù)tga并不是一個單純的Elo系統(tǒng)，且最大期望勝負(fù)比也是個會有微小變動的值了，于是我在5月份又進(jìn)行了一輪實驗。我很快就注意到，這次從秘稀起始分掉分掉到0上下的速度比一個月的后段 掉分時快了許多。不過這里的后段是指第1，2天之后，并不是字面意義上的月底。?

在用我的參考賬號掉分時（也就是那個隱藏分被我調(diào)成一個絕對值很大的負(fù)數(shù)的賬號，比如上述例子中 的#1501名賬號），我測出來的MinLoss比根據(jù)比賽場數(shù)推算的期望值高了1.6倍；我之后又在手里操控 著第#1500名賬號的時候，拿其他的幾個小號互相對戰(zhàn)了幾局，這次的實驗結(jié)果是能夠互相佐證的。此時的誤差在六位小數(shù)點以后，所以我對這個測量結(jié)果十分有信心。?

這次計算出來的k值和第一次相差不遠(yuǎn)，不過我在準(zhǔn)備賬號的過程中發(fā)現(xiàn)了一些有趣的現(xiàn)象。在計算出的 最大期望勝負(fù)比在24.4%：75.6%時，贏一把輸三把實際上是正EV的。但在五月頭上，不斷贏一把輸三把導(dǎo)致了我在掉分，也就是說此時的最大期望勝負(fù)比要比25%：75%再高一點點。就在我發(fā)文的前兩天，贏一把輸三把又開始讓我上分了。我雖然不知道這個現(xiàn)象具體是由什么導(dǎo)致的，不過我心里已經(jīng)有 了幾個猜想。 在我進(jìn)行完上述幾個實驗之后，我手里還留著一個分?jǐn)?shù)可以用MinLoss表示的底分賬號，以及幾個沒有 什么用的小號，那么為什么不拿他們繼續(xù)掉分，來看看一個月中MinLoss的值是否會變動呢？如果我從0 分開始，輸?shù)袅薠個MinLoss，且將上述底分號的隱藏分記為 ，那么如果MinLoss是一個 不會改變的常值，兩個賬號的百分位數(shù)之比和X/Y之比應(yīng)該是相同的，這個我現(xiàn)在正在測。當(dāng)然，為了能 得出精確的結(jié)論，我需要投降投到昏天黑地。目前為止的結(jié)論是MinLoss是不會變動的，不過精確度還 不能令我滿意。

綜上，最小單局損失分在一個月內(nèi)是會不斷變化的：月初這個值會高許多，不過它似乎在第#1500名玩 家成功沖上秘稀，也就是5月7、8號的時候已經(jīng)收斂，不再變動了。結(jié)合之前的結(jié)論：上秘稀之前的勝率不會影響MinLoss，MinLoss的變動應(yīng)該不是由我賬號的對局總數(shù)變動所導(dǎo)致的。

在Glicko中，能影響一場對局中k值的因素有：玩家的對局總數(shù)（玩的越多，k值越小，盡管這個機制沒 有在mtga中實裝）、AFK時長（不玩越久，k值越大，這個也沒實裝）、以及你對手的對局總數(shù)(對手玩 的越多，k值越高)。而這唯一一個實裝了的Glicko性質(zhì)，（也就是第三點，對手的對局總數(shù)），在mtga 上也是反過來設(shè)計的，因為很明顯5月1日對手的對局總數(shù)，平均來說要比5月22日對手的對局總數(shù)少不 少。 所以一定是有別的因素導(dǎo)致了月初時的MinLoss值比之后偏高，我的猜測是有一個以當(dāng)前月剩余時間/當(dāng) 前月已經(jīng)過時間為X的一個衰減非?？斓暮瘮?shù)。我同時懷疑WSZ設(shè)置了一個在月初非常高，在第一周內(nèi) 迅速衰減的k值函數(shù)，而沒有采用AFK懲罰機制。我計劃在6月初拿幾個賬號快速打上秘稀，掉分掉到0左 右，然后每天拿一個賬號投相同的把數(shù)（6月2號用小號A投，6月3號用小號B投……），然后看看在秘稀 段迎來第#1500名玩家時這些賬號的百分位數(shù)之間有多大區(qū)別。盡管投降的把數(shù)是相同的，按照這個推理，賬號A的百分位會比賬號B低不少。WSZ這掛羊頭賣狗肉的行為，讓我只能出此下策（瘋狂投降）去 驗證這個系統(tǒng)中本不該存在的一些機制?，F(xiàn)在你們應(yīng)該知道，我為什么花了這么長時間了吧。 問題 （秘稀段以下的）匹配算法極容易被惡意利用，且不公平！ 我應(yīng)該也不是第一個談這個事兒的人了。之前就有些Reddit老哥發(fā)現(xiàn)，月初投幾把能讓上秘稀容易許多。

如果你一門心思想要上秘稀，這的確是個不錯的主意。不過一個月的第一天就沖分可能不是最好 的，因為這時候的整活玩家們還沒能來得及上鉆石；但是在后半月，隱藏分低的賬號就可以隨便砍瓜切 菜了。當(dāng)你看到有人拿著自組的整活套牌，以60%的鉆石段勝率上了秘稀時，這可能是一部分的運氣，也可能 是他們之前用的套牌還要垃圾，從而導(dǎo)致了他們的隱藏分在鉆4開始就被拉的非常低，之后瞎組了一套相 對“勉強能玩“的套牌，而且捏了一路的魚。同時，那些水平還不錯的正經(jīng)套牌玩家就會匹配到其他正經(jīng) 的對手，從而導(dǎo)致上分非常艱難。

在每一個段位的底部（白金4，鉆4等）采用隱藏分匹配算法也許是合理的，畢竟還是有很多玩家愿意玩 自組套牌、整活套牌，也沒必要讓這類玩家一直輸?shù)恼也恢?。但?dāng)分?jǐn)?shù)上來的之后，還是理應(yīng)采用相 近段位的隨機匹配算法（也許在輪抓中的隱藏分匹配還有一定道理，但對構(gòu)筑天梯來說都不成立，更不 用說休閑模式了）。?

當(dāng)然，我所說的”理應(yīng)“是基于”公平，且無法濫用“的考量出發(fā)的，但是WSZ打的則是”讓認(rèn)真玩牌的競技 玩家上分更難“的算盤，從而增加他們在游戲中的時間投入，金錢投入。 Bo3模式的k值實在太高了！ 如果你對萬智或者Elo系統(tǒng)有所了解的話，那么你可能已經(jīng)意識到一些事了。首先，如果你的起始分相 同，在bo1中連勝2把獲得的分，沒有贏一個bo3來的多，盡管贏下兩個bo1比贏下一個bo3更加困難。 諸如”Bo3比bo1的結(jié)果更令人信服“的理由在此也站不住腳。1.25倍、1.33倍也許還算合理，但是真正科 學(xué)的設(shè)置甚至可能比這還低。其次，如果把說一個（適用于高階玩家的）bo1k值設(shè)定為20.5稍微有些激 進(jìn)（對比國際象棋，傳統(tǒng)體育等），那么bo3的k=45就只能形容為失了智了。

在WSZ還在給職業(yè)牌手們算Elo的那個年代，小級別比賽中的k值為16，PTQ中為32，只有PT/世冠級別 的賽事中才會給到48左右的k值?，F(xiàn)在mtga中bo1的k值是20.5，但bo3的k值卻和過去的PT相當(dāng)，這真 的河里嗎？最大期望勝率比=25%：75%，設(shè)定得過于窄了！?

大多數(shù)玩家在秘稀段位的勝率可能并不會超過75%，但是從主觀認(rèn)知以及過去的Elo積分?jǐn)?shù)據(jù)中來看，最 好的牌手在面對弱一些的牌手時的平均匯總勝率是完全可能高于75%的。在白金4投掉很多把之后，我的三個小號分別以51-3，49-1，48-2的戰(zhàn)績從白金4上了秘稀。在上個月的”測算最大期望勝負(fù)比是否為 1：3“的實驗中，我在好好玩嘗試獲勝的時候，勝率達(dá)到了87%以上（樣本為超過750場的秘稀對局）！我一邊用手機無腦小紅，一邊還做著其他的事；何況我的水平遠(yuǎn)遠(yuǎn)不及Jon Finkel， Kai Budde或者 PVDDR這些人。

此外，對bo1和bo3采用相同的最大期望勝負(fù)比也十分不合理，因為眾所周知bo1的先手優(yōu)勢要比bo3大不少。 Elo系統(tǒng)確保了：在賽季任何時候，處于任何分?jǐn)?shù)段位的，任何兩位玩家在對陣時的期望收益應(yīng)該是處于 一個平衡的；但是在mtga太監(jiān)了的隱藏分系統(tǒng)中，如果一個高水平段的玩家能夠在對陣一個低水平段的 玩家時穩(wěn)定維持75%以上的勝率，那么高水平的玩家就可以期望能從那位低水平的玩家身上不斷吸分。?

我嘗試聯(lián)系一些記牌器軟件的開發(fā)團(tuán)隊，想看看秘稀百分位段玩家之間的對局是怎么樣的，不過他們都 沒有相應(yīng)的數(shù)據(jù)。盡管我十分確信萬智牌的隨機性導(dǎo)致我們需要一個不如Elo那般極端的分?jǐn)?shù)變更公式， 不過把這個最大期望勝率比設(shè)在25%-75%顯然不是一個正確答案。 一個經(jīng)常被人忽視的變更 隨著2020年4月IKO上線，黃金段位每贏一局的段位獎勵，從原來的漲1小格變?yōu)?小格。

顯然，這個更新使得新玩家/不是那么熟練的玩家能夠更輕松地上白金。我甚至懷疑，這讓更多不會玩的小伙能在月底 沖上秘稀，而且我的這個懷疑極可能確有其事。 我目前并不知道每個大段位下的玩家總數(shù)，但是基于上個月的秘稀經(jīng)過重置后回到白金這個事實，我建 立了一個先驗分布（并假定玩家的真實水平=起始隱藏分）：30000個白金玩家（真實水平為 N（1600,85）的正態(tài)分布），90000個黃金玩家（真實水平為N(1450,85)的正態(tài)分布），150000萬白 銀玩家（真實水平為N（1300，85）的正態(tài)分布），并且模擬了整個系統(tǒng)的分?jǐn)?shù)變動，直到重新有三萬 個玩家上到秘稀時停止模擬。每一輪迭代，玩家們將在同段位內(nèi)進(jìn)行k=22的bo1比賽，鉆石玩家一輪打4 場，白金3場，黃金/白銀2場。下記的結(jié)論顯然不是完全精準(zhǔn)的，但是一些基本的結(jié)論（在基于正確假設(shè) 的前提下）應(yīng)該是成立的。

和你預(yù)期的一樣，在模擬的后半月打上秘稀的玩家們的平均水平要比前半月上秘稀的玩家們低了不少。在我的模型中，平均的秘稀玩家水平為1622，前20%上秘稀的玩家平均水平在1700以上（水平在1700 以上的玩家?guī)缀鯖]人會卡在黃金），但最后20%上秘稀的玩家的平均水平卻只有1560。所有秘稀玩家平 均水平的10百分位（30000名秘稀玩家中的前#3000名）在1790左右。懂我意思了吧。?

之后我又用了兩套不同的參數(shù)重啟了這個模擬：?

1. 我把黃金段的獲勝獎勵降回了之前的一小格。在這個模擬中大約40%的玩家會卡在黃金，秘稀段的 玩家平均水平也提高了不少——1695對比之前的1622。在相同輪數(shù)后，能上秘稀的玩家總數(shù)也少 了不止三分之二，從原來的30000降到了8800 。月末上秘稀的玩家同樣會比月初上秘稀的玩家弱 一些，但是他們的平均水平也有1650，對比之前的1560可以說是天差地別。 2. 我把白銀，黃金段的起始玩家總數(shù)調(diào)到了之前的1/4（因為上白金對于大多數(shù)玩家來說還是十分容 易做到的，但是再往上就沒那么多人愿意打了）。也就是說，一開始還是30000白金，60000名愿 意在白金之后繼續(xù)往上打的黃金+白銀（我認(rèn)為這個1/4的比例還是保守了，實際可能再少些）。這 個模擬的結(jié)果處在前兩個的中間，平均秘稀水平在1660左右，月末秘稀的平均水平在1607左右。 只要對處于白金段位玩家的構(gòu)成添加一個小小的擾動，就能對最終秘稀玩家的構(gòu)成帶來不小的影 響。?

秘稀人口增長，以及被高估的玩家 我要說的第一點，其實可以從上面的段落中推理得出：秘稀段位玩家變多意味著方差變大，方差變大則 意味著第#1500名玩家的隱藏分也會更高，盡管這些玩家里面混雜了不少牌打得并不好的小伙。因為WSZ并沒有采用類似臨時分的機制（也就是說根據(jù)一個玩家在秘稀段的前X局比賽，給出他的起始分），而是給每個人一個很接近的起始分，一個月末上秘稀的玩家平均來說要比整個秘稀段位被高估更 多（譯者注：月末上秘稀的玩家的平均水平要更低，但是他們的起始分和月初上秘稀的玩家是相同 的），這個高估的量級大概在100分以上。如果把月初上秘稀和月末上秘稀的玩家當(dāng)作兩組人看待，那 么同組內(nèi)的比賽是公平的，但是跨組間的比賽則會是月初上秘稀這一組的單方面”捕魚“（因為兩組的起 始分相同，但第一組水平高出不少），直到兩組人的隱藏分達(dá)到一個新的平衡。

更多相對水平較弱的玩家混入秘稀，也就意味著在秘稀段會有更多”捕魚局“的發(fā)生。 簡單思考可知，對于水平較高的玩家來說，在一個月的后半程沖分會是正EV的，因為每天都有不少新 的”魚“進(jìn)入”魚塘“。同時，這也變相懲罰了想要在月末最后幾天守分的玩家，因為他們錯過了免費捕魚的 機會。現(xiàn)在比IKO更新前更容易上秘稀，這很可能是一個秘稀分段掉分變快的合理解釋：水清，魚多， 速來。更多水平較弱的玩家加入秘稀也變相放大了mtga中設(shè)置的25%-75%勝率上限所帶來的問題，因 為如果水平最低組玩家的實際勝率小于25%，那么Elo公式將無法從高水平組玩家的魔爪下保護(hù)他們不被 無情吸分。 新玩家起始分在國際象棋中是一個早已得到解決的問題，而且這個解法在90年代就有成熟的Glicko系統(tǒng) 實裝了。WSZ曾經(jīng)在線下萬智年代執(zhí)行過一個愚蠢的”大家都從1600分開始“的規(guī)則，而這和現(xiàn)在mtga上 所面對的是同樣的問題：越晚上分的玩家平均越弱，而且會弱很多！盡管mtga的天梯系統(tǒng)做得看起來花 里胡哨，但是25年前就犯過的錯誤到今天依然沒有得到解決。?

下圖是4月份第#1500名玩家的隱藏分隨時間增長曲線。

我是底分號在一個月內(nèi)的百分位數(shù)變動算出來 的。 X軸前段是秘稀還沒有1500名玩家的時候，x軸后段則反映了月底第#1500名隱藏分的上漲。前#1200名 的分?jǐn)?shù)上漲可能更加嚴(yán)重（至少今年1月份是這樣的）。x軸中間一段的直線比看起來更加有趣：在近似 于正態(tài)分布的情況下，如果不看變化較劇烈的邊緣部分，添加分布內(nèi)的總樣本數(shù)對#1500名分?jǐn)?shù)所帶來 的增量是亞線性的。如果要保持直線的斜率，同時得出分?jǐn)?shù)在月末超線性的增量，要么秘稀總?cè)藬?shù)在月 末增長的幅度超過指數(shù)增長，要么捕魚局在月末大量發(fā)生，要么兩者皆有。我手頭的數(shù)據(jù)無法支持我對 這兩種假設(shè)分別做驗證，不過我猜事實應(yīng)該是兩者皆有。當(dāng)然，如果黃金段還是回到一勝漲一格的話， 這種現(xiàn)象會緩解不少。

結(jié)論：大幅改動當(dāng)下的隱藏分匹配算法，能讓天梯沖分變得更加公平，同時杜絕對系統(tǒng)的惡意利用。降低bo3 中的k值會讓秘稀高分段的分布更加服從于高水平玩家們的真實技巧。

更好的秘稀初始分算法則能減少在 月末混上秘稀段的低水平玩家出現(xiàn)。25%-75%的期望勝率……應(yīng)該不用我多說了吧。至于為什么mtga當(dāng) 下系統(tǒng)設(shè)計如是，以及為什么諸多細(xì)節(jié)被掩蓋許久，則全權(quán)交給讀者們自由發(fā)揮。

P.S. 對所有排到過我的玩家們道個歉?。ú贿^我猜光速白撿一局至少不是太壞吧）?；诂F(xiàn)在的Bo3k 值，任何一場比賽的影響都會在50場比賽后被抹平95%，所以在月初投給某人，對月末的最終排名沒有 什么影響；鑒于mtga的隱藏分匹配算法，我在月末時并不會排到太多一門心思要沖前#1200名的競技牌手（以我的分?jǐn)?shù)，連著打100把也碰不見一個90%以上的對手也是正常的）