47M
游戏建模
皇马在获胜机会模式下记录了1v1比赛。
公开案例说明
分析如何进行
Rigged Royale 拆开三个问题：运气衡量你对每套卡组当前环境期望的对阵抽签，操纵把其连胜时机与站内可比玩家的实时均值比较，技术把战绩与模型期望比较。无法访问 Supercell 的私有匹配逻辑，因此异常是待检验的证据，绝非意图证明。
10,000
战斗存档
玩家战斗日志合并到分析存档中。
586
存档球员
清除排名最低的公开案例文件。
6,000
公平抽牌卡组
排名元卡组构成了现场公平性基线。
90%
元覆盖率
面板跨越的采样播放份额，每 7 天重建。
01 - 管道
从战斗日志到判决，只需四步
每份报告都走同样的道路。这里没有什么是手写的规则手册——每一步都是根据真实数据来衡量的。
01
样本
200
战斗/报告
API 中的每场可读的 1v1 战斗都会在访问期间保留和合并。团队战斗被排除在外——两卡组，一个结果，不能被评定为一场对决。
02
模型
P(win)
每场比赛，0-1
ML 模型可读取完整的 8 张牌、关卡、塔楼和括号，并输出您的获胜机会。在 47M 真实游戏中接受训练，而不是直觉。
03
公平抽签
6,000
加权对手
你对你面对的对手的获胜机会与你对公平匹配实际抽签的实时元的获胜机会进行比较——按真实比赛频率加权。
04
判决
0–100
50 = 完全公平
两条独立分数离开此流水线。运气衡量每套实际使用的卡组相对当前环境的平均对阵差距。操纵衡量连胜后与连败后的摆动，并与可比玩家的实时均值比较。低于 50 为不利方向；高于 50 为有利。
02 - 实时数学分数
探索诊断因子
此沙盒保留 Data Lab 诊断所用的因子混合。它不是已发布的运气或操纵公式：运气现已使用直接的卡组对环境差距，操纵则使用可比玩家的实时时机均值。拖动输入可查看旧版因子视图如何反应。
证据/拖动测试
判决/现场
38/100
永远慢一轮
答案牌总在你需要它的那一刻之后才到。
比赛抽签 (59% 重量)32
糟糕的比赛时机 (41% 重量)39
卡牌等级 (0% 重量)50
诊断混合 34.8 — 仅保留给 Data Lab；不是已发布的运气或操纵分数。
在 40 战斗中将 82% 的距离保持在 50 以内。跟踪一名玩家，使其增长至 100%。
饱和。获胜机会差距为 25 点时的对战系数下限/最大值；计时在 18 点。
证据。两个因子按基础权重 50/40% 计分；证据偏薄的因子会把权重渗给另一个。卡牌等级仅展示从不计分——等级差距是你投入的，不是匹配器派给你的，因此只移动每场对战的最终胜率。
警告。五场战斗只保留了一点点偏差；一百人几乎保留了全部。随着时间的推移，跟踪会使阅读变得更加清晰。
03 - 公平抽签基线
这是你评判的实时元数据
仅仅有获胜的机会并没有任何意义——弱牌组会输给所有人，而这并不是作弊。因此，您的抽牌将与您自己的卡组预期与人们实际玩的卡组进行比较。该小组是实时的，按分组进行，并按真实频率进行加权，而不是该网站分析的玩家，因此一个不幸的玩家不能将“公平”拖到自己的糟糕抽牌上。
根据公平匹配为每卡组分配的频率权重，在当前 6,000 小组中排名前 6 的牌组。
01
3.6%
拉伸重量
02
3.3%
拉伸重量
03
2.2%
拉伸重量
04
1.9%
拉伸重量
05
1.6%
拉伸重量
06
1.4%
拉伸重量
对战系数是你的卡组对你所面对的对手的平均获胜机会减去其对这个精确加权小组的平均获胜机会。
04 - 获胜机会模型
一个模型，一套校准尺度
该模型对整副牌进行评分——你的牌是否可以回答对手的获胜条件——而不是根据一对牌进行猜测。预测是对称的：你对一副牌组的获胜机会恰好是一减去它对你的获胜机会。
47M
录制的游戏
训练语料库——真正的阶梯结果。
11,003
卡组计划对决
从语料库中聚合的不同计划与计划配对。
50%
覆盖楼层
在这部分已回答的战斗中，对决的判决悬而未决——从未被猜测过。
当模型下降时。 若模型无法覆盖至少 50% 的加权对战，运气保持待定，而不是借用时机分数。操纵与技术各有可用性规则。你看到的是待定说明，不是伪造的 50。
05 - 配对时间表
难局何时出现？
对阵部分问的是对局有多难。时机问的是难局何时出现。规则预先固定：我们看第 2 连胜后的下一场、第 3 连胜后的下一场，以及第 4 连胜后的接下来四场。连败用同样方式读。每场在任何人知道结果之前就已选定。
虚构示例——非实时数据
62%2 连败后
55%2 连胜后 · 接下来 1 场
47%3 连胜后 · 接下来 1 场
38%4 连胜后 · 接下来 4 场
虚线 = 你自己的平均胜率（此处为 50%）。「爬得越高越难」长什么样的虚构示例。
在真实报告中，点击柱条可在列表中高亮那些对局。此 2/3/4 视图是独立诊断。操纵使用 2+ 连胜或 2+ 连败后的每一场，以该卡组的环境基线居中，再把摆动与站内可比玩家的实时均值比较。
06 - 基地是什么样子
这些数字所对应的人口
描述性上下文汇集在每个合格的公共案例文件中。这就是 DB Average 播放器的构建方式 - 真实观察到的速率，而不是手持设置的基准。
596
玩家汇集
合格的案例档案合并到基线中。
28.7%
不良匹配率
基地队打出不利比赛的比赛份额。
30.5%
连续 3+ 次
其中 33.3% 是不利的平局。
0.96x
卡组更换升降机
更换卡组后，不良对局率会倍增。
07 - 技能等级
单独阅读：操作与卡组
不属于操纵分数的一部分。它提出了一个不同的问题：你赢得的比赛比预测的对决、级别和奖杯差距多还是少？
Σ P(win)
预期胜率——每场比赛的预测胜率之和。
vs actual
与真实胜利进行比较；每场比赛都根据其确定性进行加权。
0–100
50 = 完全符合预期。 ±是95%的区间；薄样本为临时读数。
它只是用于试点的代理。它看不到连接质量、起手牌顺序、圣水交易或任何个人比赛中的决定。
08 - 你的位置
运气分数与抽签稀有度
运气衡量实际拿到的对阵与各已用卡组当前环境期望之间的连续差距。分数使用固定尺度：50 表示符合期望，更低更难，更高更轻松。
0–100
每场对战一票。同一卡组十场、另一卡组一场，则权重为 10:1。
your deck
对照的是你这套卡组的公平抽签——不是对照 50%。一套天然胜率 55% 的卡组赢下 55% 并不算幸运。
exact tail
精确的 Poisson-binomial 尾概率把各已用卡组自身的坏对局率合在一起，报告至少与你一样偏斜的计数概率。
稀有度百分比使用各已用卡组环境对阵面板的方差与场次数，计算落在距期望均值至少如此远的概率。它是解析结果，不是 5,000 场模拟。独立的计数检查只统计坏对局。
实时环境面板同时提供期望对阵差距与各卡组的坏对局概率。面板变化时，报告会按显式分数版本重新计算并存储，而不是与旧公式混写。
实时连胜时机
连胜越长，平均对阵越难
与玩家报告相同的 2、3、4 连胜/连败后窗口，但每根柱是站内当前公开玩家的平均。每位玩家一票，不论其场次多少。
实时 · 更新于 2026年8月6日模型 v5-e2aa7bfc0c76
2 连胜后 · 下一场
510 名玩家 · 3,180 组对阵
53.2%
相对自身均值 -1.0 点
3 连胜后 · 下一场
466 名玩家 · 1,714 组对阵
52.4%
相对自身均值 -1.7 点
4 连胜后 · 接下来 4 场
369 名玩家 · 2,931 组对阵
52.1%
相对自身均值 -2.3 点
白色标记是这些玩家平常的模型胜率。柱末端在其左侧偏红，表示连胜后对阵更难；被测对局的实际结果从不进入柱值。
更难对阵的总偏移
+1.6 pts
上方 2、3、4 连胜行的等权平均。
与奖杯变动一致的部分
+1.0 pts
在控制每位玩家奖杯之路位置与对手奖杯距离后被吸收的份额。
其余无法解释部分（神圣操纵？）
+0.6 pts
奖杯控制之后的剩余。标签玩笑，警示认真：无法解释不等于意图证据。
基于 524 名玩家与 31,617 场有模型覆盖的对战。结果定义连胜窗口；模型胜率衡量对阵难度。这是观察性结论，不证明匹配在故意反应。
每场对战仅根据此前结果分类。其中性模型胜率以该卡组与分段的公平均值为中心；正摆动表示连胜后更难、连败后更轻松。
对个人操纵分数，玩家的连胜摆动与实时玩家均值比较。正差表示时机比平均更敌对；负差表示更不敌对。可比玩家不足 250 时分数保持隐藏。
除非 2+ 连胜与 2+ 连败两侧都有足够对战，操纵保持空白。在群体里程碑图中，报告只贡献到它实际达到的行；每行显示自己的分母。
在奖杯之路上，我们去掉玩家自身奖杯位置与对手奖杯距离的线性趋势。我们称剩余为无法解释，而非被操纵：观察性控制无法确立意图，也无法排除每一个遗漏变量。
10 - 置信度与局限
分数并不能证明什么
置信度等级
低至 8 战斗，中至 15，高至 15。超过 20% 的未知卡牌会降低一级。
跟踪使其变得更加锐利
“跟踪”按钮可让预定作业在短 API 窗口之外添加战斗。更大的样本可以提高信心并确定分数——这是精确读取的推荐方法。
这是观察性的
Supercell 表示，1v1 对手是通过奖杯来匹配的，而不是通过牌组或等级来匹配的。我们衡量的是结果——敌意的抽签——而不是私人的选择逻辑。低分是一种异常现象，而不是一种自白。
模式很重要
事件规则可以改变级别或卡组结构的含义。模式过滤器隔离这些环境，而不是将它们混合到一次读取中。
无需登录
每个数字都来自公开玩家和战斗日志数据。该网站从不要求提供游戏登录或帐户凭据。
小样本撒谎
运气使用各卡组完整加权对阵分布，计算观测均值有多不寻常。薄日志仍波动更大，因此置信度保持独立。操纵更严：两侧连胜各需六场，且至少 250 名可比实时玩家。
时机与实时玩家比较
操纵使用站内每位玩家一份最新报告，从不用冻结档案。仅具备可测时机的玩家进入均值，在实时队列达到 250 人之前不发布任何操纵数值。
一段连胜，一条证据
每场对战只进入一个状态：2+ 连胜后、2+ 连败后，或中性。因此长连胜不能把同一场重复计入多次。
换牌有自己的基线
每场对战以该场实际使用卡组的公平环境分布为中心。换牌可改变期望对阵强度，但该卡组强度变化在操纵测量时机前已被剔除。
11 - 常见问题
人们常对这份分析误解什么
针对我们看到的卡组工具相关问题的简短回答，包括对本站摘要里容易说反的那些。
Rigged Royale 分析的是整套卡组，还是单张卡牌？
整套卡组。模型同时读取你的 8 张与对手的 8 张——一次 16 张，外加塔楼部队、双方平均卡牌等级以及奖杯或段位——为这一精确配对返回胜率。没有按单卡分数相加：卡牌从不会被单独评估。
换牌搜索会考虑协同与圣水曲线，还是只挑胜率最高的卡？
它重建整套卡组。对每个候选替换，工具在该槽位放入该卡并组成完整 8 张卡组，再对阵同一环境面板重新评分。只有整套胜率上升的替换才会出现，因此一张单独很强却毁掉曲线或让胜利条件失支的卡会得分更差且永不显示。协同在这里不是单独勾选项——它在数字内部，因为数字是在组好的卡组上测的。
同一套卡组在每个奖杯水平评分都一样吗？
不一样，而且这是刻意的。模型按分段校准：奖杯之路六个区间与七个排位段位各自一套，卡组对阵的环境面板也是该分段实际在用的。在 5,000 奖杯能赢环境的卡组，在第 7 段位可能输给环境，因为对手与校准都变了。站上每个分数、对局列表与排行都带着计算所用的分段；没有单一全局评分。
卡组改进搜索实际能改什么？
四种模式。改进可改你设定数量的卡，并可锁定想保留的任意卡。补全保留部分核心并填满空槽。组合替换换掉你标记的 2 到 4 张，其余固定。单卡替换是对每个槽的快速一卡扫描。也可把搜索扩到全卡库，以及对已在卡组中卡牌的进化或英雄形态变更。四种都对重建后的 8 张卡组对阵同一分段环境评分——模式只决定允许动什么。
会考虑我的卡牌等级吗？
会，在两处。双方平均卡牌等级是胜率模型的输入，因此等级差距会移动预测。在 Deck Lab 中绑定玩家标签后，卡牌等级面板会读取你的真实收藏：列出你当前等级已能上场的卡组，并点名每项待升级拖累了哪套。推荐从不对你拥有什么视而不见。
这和按胜率排卡组的网站有何不同？
胜率表告诉你使用该卡组的玩家战绩如何。这里衡量的是你的特定卡组对当前环境的表现，逐组对阵，并按对手卡组实际出场频率加权——包括你的卡组从未打过的对局。因此输出是含最佳与最差配对、硬克制占比与波动指数的对阵画像，不是排行榜名次。
用它来组卡组靠谱吗？
对它测量的内容可靠：完整卡组对当前环境的胜率，以及改动会抬高还是压低该数字。它是测量工具，不是教练——不会教你站位、数循环或怎么打劣势对局，也看不见你对某张卡的个人技术。用它决定打什么；用练习决定怎么打。
运气分低是否证明匹配被操纵？
不能。Rigged Royale 无法访问 Supercell 的匹配。它衡量你真实对战样本相对实时环境公平抽签的偏离。低分是你对战日志中有据可查的异常，不是意图证据。
你怎么知道连胜模式不只是巧合？
操纵并不声称证明因果。它测量每位可比玩家相同的连胜后对连败后时机，并显示一名玩家距离站内实时均值有多远。至少 250 名玩家具备可测时机前，分数保持隐藏。
如果我在连败后换牌，自己的换牌会被算到匹配器头上吗？
不会。每场对战以实际使用卡组（包括新卡组）的当前环境期望为中心。卡组之间的天然差异在比较连胜后与连败后时机之前已被剔除。