这份 tier list 把英雄依“贝氏修正后的胜率”分级,而不是单纯的原始胜率。原因很简单:小样本的原始胜率非常不稳。这篇说明每个数字怎么算、该怎么读,以及它不能回答什么问题。
资料从哪里来
Riot 的公开 API 不提供 Mayhem 大乱斗(queue 2400)的对局,所以一般的统计网站拿不到这个模式的资料。arammeta 的对局由玩家在自己电脑上的 League Client 收集,再整理成汇总统计。每一场记录双方各五位玩家的英雄、海克斯、装备与胜负,并用 Riot 的对局编号去除重复,同一场不会因为被多位玩家贡献而重复计算。网站只发布汇总后的数字,不公开任何玩家的身分资讯。
三个关键栏位
- 胜率:经贝氏收缩后的估计值,样本越少越会被拉回整体基准。
- 场次:样本数,决定你该多相信这个数字。
- 原始胜率:未修正的真实胜率,和上面对照看落差。
当原始胜率很高、但场次很低时,修正后的胜率会明显被往下压 — 这是刻意的保守,避免你追到只打了几场的假强势。
为什么不直接用原始胜率
胜负是机率事件。一只真实胜率 50% 的英雄,只打 100 场时,光靠运气就可能落在 40% 到 60% 之间;打到 10,000 场,范围才会缩到大约 49% 到 51%。如果直接照原始胜率排名,榜首永远是“刚好手气好的冷门英雄”,而不是真的强的英雄。
贝氏收缩的做法是替每只英雄加上一批“假想场次”,这些场次的胜率等于基准值:
修正胜率 =(实际胜场 + 假想场次 × 基准胜率)÷(实际场次 + 假想场次)
举例:假想场次设为 350、基准 50%。一只打了 100 场、赢 62 场的英雄,原始胜率 62%,修正后是(62 + 175)÷(100 + 350)≈ 52.7%。同样 62% 但打了 10,000 场的英雄,修正后仍有 61.6%。样本够大时,修正几乎不改变数字;样本小时,它挡住杂讯。
新版本刚上线、对局还不多的时候,英雄的基准会暂时参考上一个版本的表现;等本版累积到足够场次,就完全以本版资料为准,避免旧版本盖掉真正的平衡改动。
分级门槛
- OP:修正胜率 55% 以上
- T1:52% 以上
- T2:50% 以上
- T3:48% 以上
- T4:46% 以上
- T5:低于 46%
门槛是固定的胜率数字,不是“前几名”。因此每一级的英雄数量会随版本变动:一个版本可能有很多 OP,另一个版本可能一只都没有。相邻两级之间的差距只有 2 个百分点,贴著门槛的英雄换一批资料就可能升降一级,不必过度解读。
海克斯的数字怎么读
英雄页里的海克斯不是看“拿了这个海克斯的胜率”,而是看它相对于该英雄自身基准的差距(lift)。一只本来就 56% 胜率的英雄,任何海克斯看起来都很强;只有扣掉英雄本身的胜率,才看得出海克斯自己贡献了多少。
海克斯另外有一个方向问题:有些海克斯是在“已经赢的局”才容易被选到或发挥,胜率高不代表选了就会赢。排名因此同时看修正后的差距与选取率,样本太少的组合不会列出来。
这些数字不能回答什么
- 单场胜负:55% 的意思是 100 场大约赢 55 场,不是这一场会赢。
- 你个人的表现:数字是所有玩家的平均。高操作门槛的英雄,平均胜率会低估熟练玩家的表现。
- 因果关系:统计描述的是历史对局中的关联。队伍组成、对手阵容、海克斯选择都会同时影响结果。
- 跨版本比较:每个数字都标示版本。平衡改动后,上一版的结论不一定成立。
实际使用建议
先看分级,再看场次。OP 与 T1 的英雄在这个模式的平均表现明显较好;T3 上下的英雄差异很小,选自己熟的通常比追半个百分点有用。点开英雄页后,优先看差距大、场次也多的海克斯与装备;差距大但场次少的组合,把它当成值得一试的假设,而不是结论。