拳頭把163場對局做成數據實驗，玩家用代碼拆穿隨機算法

163場對局，136個英雄，同一個英雄連續roll出5-6次——這位程序員玩家開始用Go語言寫代碼驗證：手游《英雄聯盟：激斗峽谷》的隨機選人系統，到底是真隨機，還是被"動過手腳"的偽隨機。

他用163場對局做了一個對照實驗，結果發現游戲內的"隨機"分布，與自己用加密隨機數生成的模擬結果，存在系統性偏差。

從"臉黑"到寫代碼：一個程序員的執念

作者原本主攻軟件開發和Go語言技術寫作，這次破例寫游戲話題，純粹因為想試試go-echarts數據可視化包。他被朋友拉入《英雄聯盟：激斗峽谷》的ARAM模式——5v5隨機英雄對戰，每人開局被系統分配一個英雄，不滿意可以用"骰子"重新隨機，但骰子限量、需時間積累。

ARAM的設計初衷是降低門檻：不用練英雄、不用搶位置，打開即玩。但作者很快陷入一種詭異的挫敗感——"永遠roll到討厭的英雄，永遠roll不到買了皮膚的本命英雄"。某天他連續10-12局內，同一個英雄出現5-6次，終于決定用程序員的方式復仇。

他開了個Excel臺賬，每局開局記錄系統分配的英雄。163場無間斷記錄，覆蓋當時全英雄池136個角色。為控制變量，他主動忽略了"萬能骰"機制（一種可5選1的稀有道具），只統計系統強制分配的基礎隨機結果。

樣本量163，大于英雄總數136，理論上每個英雄至少應出現1次——這是統計學意義上的"全覆蓋"基礎。

兩套隨機系統的對決

肉眼觀察163條記錄，很難區分"真隨機聚類"和"人為操控"。作者用Go語言實現了兩套模擬器：一套復刻游戲機制（基于他的猜測），另一套用crypto/rand加密隨機數生成器——后者是密碼學級別的真隨機，也是他自己開發游戲時會采用的標準。

核心假設很簡單：如果游戲算法公平，其分布特征應與加密隨機數模擬結果一致；如果存在操控，兩套系統會產生可量化的偏離。

他對比了三個維度：單英雄最高出現頻次、連續重復出現的間隔分布、以及"冷門英雄"（玩家熟練度低、皮膚持有少的角色）的聚集程度。具體代碼實現和完整數據集已開源，圖表用go-echarts生成。

結果呈現為一種"溫和的偏差"——不是明顯的作弊，而是統計學意義上的"不夠隨機"。

免費游戲的"隨機"經濟學

作者在文中提到，免費游戲（free-to-play live-service）操縱隨機性并非新聞。業內常用手段包括：動態調整掉落率、根據玩家行為預測其"流失臨界點"、在特定節點投放"安慰獎"以延長留存。部分策略游走于道德灰色地帶，但極少被實錘。

ARAM模式的特殊性在于，英雄皮膚是核心付費點。如果系統能識別玩家的皮膚持有情況和偏好數據，理論上可以反向操作——讓"無皮膚英雄"更頻繁出現，制造"買了皮膚卻用不上"的焦慮，或讓"已購買皮膚英雄"刻意缺席，刺激額外消費。

作者沒有訪問拳頭服務器的權限，無法證明算法確實存在這種邏輯。但他的數據集提供了一個外部參照：當玩家用自己的"真隨機"模擬器跑10000次163場對局時，游戲實際分布落在模擬結果的邊緣區域——概率上可能，但重復實驗中出現頻率偏低。

換句話說，他的163場記錄，更像是"被篩選過"的隨機，而非純混沌。

代碼與數據的局限

作者明確標注了研究邊界。樣本僅來自單一賬號，無法排除"個人運氣"的統計噪聲；ARAM存在隱藏分機制，英雄池可能根據隊伍構成動態調整（例如避免全脆皮陣容），這會引入系統性偏差；163場集中在短期內完成，未覆蓋版本更新、賽季重置等變量。

更關鍵的是，他無法確認自己的"公平模擬"與拳頭實際算法是否可比。游戲可能使用了加權隨機（weighted random）、基于玩家歷史的"防重復"機制、或其他他未考慮到的設計目標。這些都會讓兩套系統的對比失去意義。

但他堅持公開方法和數據，邀請其他玩家復現。go-echarts生成的交互圖表已上傳，任何人可以疊加自己的記錄進行對比。

163場對局，136個英雄，一個程序員用加密隨機數生成的平行宇宙——如果你的ARAM記錄也落在那個"邊緣區域"，你會選擇相信數據，還是相信"下次一定轉運"？