163场对局，136个英雄，同一个英雄连续roll出5-6次——这位程序员决定用代码拆穿手游的"随机"谎言。
事情始于《英雄联盟手游》的ARAM模式。5v5随机英雄，不满意可以掷骰子重roll，骰子攒起来很慢，玩家用得抠抠搜搜。作者本来只是陪朋友入坑，结果越玩越不对劲：想要的英雄永远roll不到，买了皮肤的英雄更是像被系统拉黑。
免费游戏的套路他懂。留存率、日活、付费转化，这些指标背后藏着一堆"灰色心理学"。但当同一天内连续10-12局反复roll到同一个英雄时，他坐不住了——这已经不是运气差能解释的了。
163场数据的笨办法
没有抓包，没有逆向，就是最原始的笨功夫。每局开场截图记名字，Excel硬记163场，覆盖当时全英雄池136个角色。Wildcard机制（五选一特殊骰子）因为太难追踪，直接弃用，保证数据干净。
样本量够不够？统计学上136个选项、163次抽取，确实能说明一些问题。但真正的难题是：怎么定义"公平"？
作者用Go写了一个模拟器，按他理解的"良心做法"实现——密码学级随机数，每个英雄权重均等，纯纯的真随机。然后拿这个理想模型，对比自己的实际遭遇。
真随机会产生聚类，这是数学常识。蓝噪声（Blue Noise）刻意打散分布，看起来均匀；真随机反而会出现" streak"——连续几次抽到同一个，就像抛硬币连出五把正面。问题只在于：你的"随机"是真随机，还是假装随机的假把式？
图表里的猫腻
go-echarts生成的可视化一拉出来，味道就不对了。某些英雄的出场频率明显偏离理论值，而且偏的方向很"懂事"——作者熟练度低的、没皮肤的，反复横跳；买了限定皮的、苦练过的，仿佛被设置了冷却时间。
他特意检查了时间维度上的分布。真随机的聚类应该是散点式的、无规律的；但他的数据呈现出某种...节奏感。某些英雄在特定时段密集出现，又突然消失，像是有个调度表在背后。
这让人想起手游行业的公开秘密：动态难度调整（Dynamic Difficulty Adjustment）早已不是新闻。从《糖果传奇》到《FIFA Ultimate Team》，系统根据玩家状态实时调节"运气"，让你输到想氪、赢到想肝，就是不会让你爽到想下线。
ARAM的随机池理论上对所有玩家一视同仁，但"随机"的定义权在开发商手里。权重可以调，伪随机算法可以埋，甚至你的历史行为数据——胜率、皮肤拥有率、在线时长——都可以喂进模型，输出一个"刚好让你不舒服"的结果。
代码不会撒谎，但算法会
作者把Go代码和完整数据集开源了。这不是什么惊天大瓜，没有起诉、没有官方回应，就是一个玩家用程序员的方式求证一个直觉。但163场的样本戳破了一层窗户纸：当你觉得"今天运气真差"时，可能有个推荐系统在默默工作。
免费游戏的商业模式决定了，"公平"从来不是最优解。最优解是那个让你既不退坑、又愿意掏钱的微妙平衡点。随机系统是这个平衡器的核心组件，它负责制造渴望（roll不到想要的）、制造惊喜（偶尔让你爽一把）、制造焦虑（骰子用完了好慌）。
作者最后说，他没打算继续追踪了。163场足够说明问题，再多也只是重复验证。而且说到底，知道真相之后，游戏还玩得下去吗？
这个问题，他留给了每一个曾在深夜骂过"这随机有毒"的玩家。
热门跟贴