游戏平衡性调整长期依赖策划读数据加个人经验，难点在于“谁强”容易看出，“为什么强”难以定位。我们把这条链路拆成两步实验：先做偏差检测，再做参数归因。
偏差检测沿用回放日志中的分段状态（等级差、经济差、位置热区、技能命中率），训练一个轻量胜负预测代理，用代理在任意时间点的胜率输出替代只看终局的粗粒度统计。这样能观察到某角色在开局三分钟内已形成稳定优势——这类优势多来自基础数值，而非操作上限。
参数归因采用留一替换：把目标角色的若干数值（冷却、成长曲线、技能范围）分别替换为同批对局中的中位角色水平，重跑代理推理，比较胜率变化幅度，据此排出贡献序。
要点：
- 阶段性数据：在某 5v5 原型上覆盖 12 名角色、约 18 万局回放，归因排序与策划人工复盘结论的一致率约七成，其中数值类结论的一致性明显高于阵容配合类结论。
- 下一步：把版本更新前后的对照纳入同一评估管线，用同角色跨版本差值校验归因稳定性，输出可读的调整建议区间，而不是直接给出具体数值。
评论