【CSGO】HLTV好文精读:何谓稳定

 【CS】什么是rating:【CSGO】赛事分级知多少:【CS】什么是战队排名:【CS】HLTV保姆级使用教程【上】:【CS】HLTV保姆级使用教程【下】:【CSGO】科普:HLTV是如何评选TOP

码字不易,希望各位读者朋友点点关注,多多交流。今后会继续更新更多深度内容,往期内容请见文集:caivar的CS: GO数据分析。 转载本文或摘编本文内容需经本人同意。 

一些值得回顾的文章:

【CS】什么是rating:https://www.bilibili.com/read/cv17386549

【CSGO】赛事分级知多少:https://www.bilibili.com/read/cv17400536

【CS】什么是战队排名:https://www.bilibili.com/read/cv17456217

【CS】HLTV保姆级使用教程【上】:https://www.bilibili.com/read/cv17967780

【CS】HLTV保姆级使用教程【下】:https://www.bilibili.com/read/cv18212922

【CSGO】科普:HLTV是如何评选TOP 20选手的?:https://www.bilibili.com/read/cv18659547

【本文约9400字】


原文标题:A LOOK AT INCONSISTENCY,发布于2022年9月26日。

原文链接:https://www.hltv.org/news/34617/a-look-at-inconsistency

 

1    译文

哪些选手真的犯下了不稳定的毛病,又有哪些选手被误认为不稳定而受到不公平的评价?

任何运动的本质都是稳定性胜过一切。如果一个选手不能在团队最需要他的时候展现出上限,那么即使他的上限再高都无关紧要了。有史以来最伟大的选手们都有很高的上限,但真正使他们脱颖而出的是他们的下限。大多数一线选手都有过拿下30次击杀的比赛,但实现了连续20张地图rating不低于1.00的选手则是凤毛麟角。

而那些上限和游戏中的佼佼者一样高,但毫无下限的选手最令人懊丧。我们的肉眼观感记住了他们最好的表现,却容易忽略他们的平均水平。这些选手没有被授予MVP的殊荣,而是取胜的X因素,被贴上忽冷忽热和“不稳定”的标签。

这些选手中的代表是k0nfig。这位(前)Astralis选手既能让人眼花缭乱又能让人大失所望。他在2018年对阵Renegades的比赛中47-21的战绩创下了CS:GO的常规时间击杀记录,这表明他可以达到的上限有多高。在Astralis的这套阵容中,他和blameF本应该提供明星选手的火力,然而k0nfig却没有达到这些期望。就像往常一样,他的天赋显而易见,但他的稳定性却让人难以捉摸。

无论如何,大家都是这么评价他的。但这真的是一种公平的评价吗?我们能公平和客观地衡量一个选手的不稳定性吗?让我们用2022年线下赛的统计数据来一探究竟。

我们从地图稳定性的基本衡量标准拉开序幕:地图稳定性指一位选手达到1.00及以上rating的地图的百分比。我们统计的样本的平均水平刚刚超过55%,因此这些选手的平均水平超过了所有选手的平均水平(理论上为50%)。

然而,这1.00这个数字还远远不够完美。1.01的数据对于普通的选手来说可能是一场成功的比赛,但对于明星选手或主狙来说,这实际上可能会扼杀他们的团队赢得比赛的机会。

HLTV发稿时(9月26日),今年地图稳定性最出色的5位选手
截至11月10日,今年地图稳定性最出色的7位选手(使用HLTV赛事筛选条件且地图数不低于50张)

要看一位选手与他们自己的平均rating相比有多大的波动,用数学术语来说,我们就要使用标准差,它是一种衡量差异大小的数据。一般来说,标准差越低,选手在某场比赛的表现就越接近他们的平均水平。因此,高的标准差理应表明不稳定。

有趣的是,k0nfig并没有进入标准差最高的8位选手名单,他以0.327的标准差排在第17位。然而,上榜的许多选手都是他的同类。nafany以0.377排名第二,这是另一位因不稳定而受到抨击的选手。

榜单上的平均rating与你在HTLV选手数据页面上看到的平均rating不同,因为它是每张地图的平均rating,而不是每回合的平均rating

nafany的高标准差说明了为什么C9在IEM达拉斯的表现如此凶狠,当时nafany状态火爆,平均rating达到1.14(比他全年的平均rating高0.17)。即使在那届赛事中,nafany高峰和低谷的差别也大得吓人。既有决赛面对ENCE的2.03和小组赛对阵NIP的2.16,也有面对BIG的图一的0.84和对阵FaZe三张地图中两张的0.79和0.91。

这份名单上的许多其他选手的情况也是如此。REZ是另一位被贴上不稳定标签的选手,而标准差这项指标似乎也证明了这一点。yuurih在今年竭尽全力也难以维持稳定表现,而arT甚至比nafany更加激进。NiKo拥有如此高的rating和高标准差也很好地说明了他这一年的情况:他的上限和以往一样高,但有些时候,G2需要他们的明星选手更多次挺身而出。

在NiKo的案例中,我们可以看到使用标准差的一个小缺陷。如果一位选手在各张地图上的平均rating是1.26,说他不稳定真的合理吗?以下面这张散点图为例,它比较了一位选手的平均rating和标准差。

与NiKo一同位于散点图右上角“高标准差,高rating”区域的是sh1ro、ZywOo和s1mple。这就为我们用标准差来判断一位选手稳定与否敲响了警钟。对于这些超级巨星来说,他们“偏离”平均值是因为他们经常打出carry全场的表现。比如2.00的rating与这些选手的平均评分相差多达将近0.80(这本应该是值得被肯定的表现),但在标准差眼中,2.00的rating却被视为与0.60的rating一样“不稳定”(因为它们都远远偏离了平均值)。

更有趣的是散点图的其他部分。像NAF、Twistzz和Ax1Le这样的步枪手归类于低标准差和高rating,表明他们的绝大多数地图的数据始终处于1.00-1.40的范围内。可是,JACKZ才是标准差最低的选手,只有0.24,同时他还有相当低的0.95的平均rating。今年他在统计意义上一直低于平均水平。

这种比较也适用于高标准差和低rating的选手,mopoz、arT、apEX和nafany在散点图上的位置接近我们对他们的印象:极端激进、X因素、步枪手。然而,对于最优秀的选手,我们将需要一种不同的评价机制。s1mple和ZywOo出现在右上角证明标准差本身并不足以给一位选手贴上不稳定的标签。

一种解决方案是根据选手的下限,即他们表现糟糕的地图,而不是他们表现出色的地图来排名。为了做到这一点,我们将使用选手在今年线下赛的地图rating的第一四分位数,即第25百分位数。第25百分位数与中位数类似,但中位数是一份从低至高排列的数值列表的中间值,而第25百分位数(在统计学中通常称为Q1)是位于四分之一处的值。为了方便起见,在下文中“下限”一词时指的是一位选手的第25百分位数。

现在,我们看到那些被标准差不公平对待的选手(s1mple、ZywOo、sh1ro和NiKo)有了不同的结果。s1mple的下限是1.08,ZywOo是1.06,NiKo是1.01。Ax1Le、NAF和blameF这些自由人也在前十名中,也许一部分原因是他们扮演的角色(自由人)无论比赛胜败都有不错的数据。

这让我们看到了谁是最稳定的选手,但不稳定的选手呢?如果我们只看下限最低的选手,我们得到了像TACO(0.64)、shox(0.67)和HooXi(0.69)这样的名字。然而,这本身并不表示这些选手不稳定,因为他们的平均rating都相当糟糕。

为了找到不稳定的选手,我们又要用到高中数学课本了。用上限(第75百分位数:与第25百分位数类似,是位于一份从低至高排列的数值列表的四分之三处的值,称为Q3)减去下限(第25百分位数),我们得到一个叫做四分位距(IQR)的数值。这和标准差一样,是衡量差异的一种数据,可以把它看作是一位选手表现出色的地图和表现糟糕的地图之间的差异。IQR对于评价选手稳定与否应该比标准差更有用。

下面是对IQR的可视化解释。条形图中的每一根条都代表今年k0nfig在线下赛的一张地图,按rating从低到高排列。Q1是第一四分位数,Q2是中位数,Q3是第三四分位数。然后我们用Q3减去Q1,就得到了IQR。

在解释了这一点之后,下图是IQR最高的选手。

NiKo再次成为主角,一部分原因是他的上限高得离谱,这也是sh1ro的“缺点”。b1t和Spinx在今年的表现不错,二人都有1.15的地图rating中位数,但他们却榜上有名。实际上Spinx有相当好的0.98的rating作为他的下限,他的高IQR源自1.45的上限,比他的中位数高出0.30,所以他与NiKo(1.50的上限)属于同一类别。

IQR比标准差要好,但我们在查看这些数据时仍然没有厘清完整的背景。为了解决这个问题,下面有一张散点图,将选手的下限和上限同时可视化。为了便于进一步说明,每位选手的数值点的大小与他们的IQR相对应。结果很自然,下限和上限之间有很强的相关性,但仍有一些选手的数值点从这条从左下至右上的趋势线中脱颖而出。

橙色和绿色区域的选手的上限比下限相对更高(在趋势线左上方),而红色和黄色则相反(在趋势线右下方)。现在,像NiKo和sh1ro这样的选手因其较高的上限而得到鼓励,被放在“稳定表现出色”的绿色区域中。散点图的右上方还说明了Ax1Le和NAF之间的差距,这两位选手的标准差和IQR非常相似,但C9的明星选手比NAF更靠近右上角(更高的下限和上限)。

再往左看,我们有“不稳定”的橙色区域——那些有高上限但下限相当低的选手。这些选手中的大多数都对应恰如其分的橙色数值点,表明他们是激进步枪手(在T方有超过20%的首杀尝试率),这说明了很多事情。这些选手在手感火热的一天,可以通过高影响力的突破击杀和多杀来刷数据。然而,在手感冰凉的时候,糟糕的生存率就会使他们的数据暴跌。

有点令人惊讶的是Magixx是那个鹤立鸡群的人。在他表现好的时候,他的数据与b1t和YEKINDAR一样高,但他的下限比Xyp9x还低。与他归于同一类的还有更多你能料到的名字:Nafany、hampus、roeJ和Grim都是激进的X因素,而不是稳定的力量。Farlig⁠是我们的样本中下限最低的AWPer,这与陈先生的表现相吻合。

在这里,我们提出了三种不同的方法来考察选手的不稳定性:标准差、四分位距和散点图中的橙色区域(包含那些在表现糟糕的地图中rating较低,但在表现出色的地图中rating很高的选手)。单独使用其中任何一种方法都有其缺陷,所以现在我们把不同的方法结合起来,推出一个“不稳定性评分”公式。

总的来说,我们要考虑的是:

- rating不低于1.00的地图的百分比

- 标准差

- 四分位距(Q3-Q1)

- 选手的平均水平和下限之间的差异(Q2-Q1)

- 选手的平均水平和上限之间的差异(Q3-Q2)

这里有一份不稳定性评分最高的选手名单,列出了最“不稳定”的选手。但是请记住,这里指的是与选手的平均水平相比较的稳定性。“稳定”的选手一直徘徊在他们的平均水平附近,并不意味着他们一直表现出色。在这个公式中,只有20%的权重与一位选手出色与否有关,就是选手rating不低于1.00的地图的百分比。

虽然k0nfig没有上榜,而且很少有人指责b1t不稳定,但整份名单似乎与肉眼观感和社区中流行的观点相吻合。nafany、mopoz和apEX都是本文提及的颇具爆炸性但不稳定的选手的典例,正与k0nfig如出一辙。

那么,我们已经解决了如此宏大的“不稳定”问题吗?算是吧,但仍有一些漏洞。而且正如我们在最开始所说的那样,99%的职业选手都不具备足够的稳定性。认为k0nfig和REZ不稳定的观念可能是基于这样的想法,即这些选手应该是稳定的,因为他们有肉眼可见的天赋和个人技巧。

然而,当我们注意到更大的样本时,我们可以看到,绝大多数步枪手都遇到了同样的问题。NiKo在2021年的最后三个月不逊于世界上的任何人——甚至包括最好的AWPer。但现在,他已经下滑到“只是”世界第一步枪手了(让人不禁想问真的是吗?)。当我们翻开最“稳定”的选手名单,它包括了AWPer、辅助选手和保守步枪手。

在像CS:GO这样困难的游戏中,手感冰凉的日子是不可避免的。但很明显的一点是,有些选手即使状态不佳也比其他选手更强。而且正如我们在最开始所说的那样,这会让那些在状态不佳时仍然打出1.00以上rating的选手更有价值,尤其是像Ax1Le和NiKo这样的首杀制造机器。

问题是,这两位超级巨星是今年截至目前唯二在线下赛的下限高于1.00的激进步枪手。在所有选手中只有八人做到了这一点——其中五人是主狙,这些选手只是职业选手群体中的极小一部分。真正高水平的稳定性是每项运动追求的终极奥义,CS:GO也不例外。


2    分析

虽然作者在原文最后列出了最“不稳定”与最“稳定”的选手,但作者也指出这里的“不稳定”与“稳定”是要打引号的:这里的稳定性描述的是一位选手在不同的比赛中的表现与其平均水平的差异的大小,考察了一位选手的复现能力——打出接近于其平均水平的表现的能力。我们会发现那些超级巨星反而不是最“稳定”的,因为他们的上限太高了,以至于他们本身都不能总是达到最好的状态,从而拉大了这种差异。至于差异小的选手,他们每天的表现都没有什么区别,你很难见到他们表现特别糟糕,但也不要指望他们会突然手感滚烫。所以这种意义上的稳定性与选手本身的水平是无关的:“不稳定”的yuurih和b1t显然比“稳定”的Xyp9x强得多。

在这套评价体系中,degster是最稳定的选手,但很显然这不意味着他是最好的选手

作者同样提到,这些最“稳定”的选手都是AWPer、辅助选手和保守步枪手。AWPer和保守步枪手的“稳定”一目了然:他们的高生存率以及随之而来的高回合贡献率(KAST)让他们注定具有比激进步枪手更强的复现能力。我之后会再单独写一篇文章来讨论为什么AWPer的数据往往比步枪手更好。至于辅助选手,他们通常是小区防守者,还擅长使用道具完成助攻,这些因素都有助于提高他们的生存率和回合贡献率。那么一个问题随之而来:激进步枪手是注定不稳定的吗?还是说我们对于稳定与否的评判标准实际上对激进步枪手并不公平?我想在下文再讨论这个问题。

先把目光转回原文,于我而言,实际上在原文中有一张图特别有价值,就是比较选手上限和下限的散点图。这张图的信息量很大,我们来逐一解读。首先,可以看到图中越靠近右侧下限越高,越靠近上方上限越高。故而如果A选手在图中的位置在B选手的右上方,那么A的上限和下限都高于B,从统计意义上可以认为A是比B更优秀的选手。当然实际情况会更加复杂。

根据上限和下限,图中的部分选手被归于四个不同的区域,分别是:

“高上限,高下限”:s1mple、sh1ro、ZywOo、Ax1Le、NiKo、blameF、Spinx、ropz、m0NESY和YEKINDAR;

“尚可的上限,高下限”:broky、stavn、degster、Twistzz、NAF、frozen、EliGE、syrsoN、HObbit和Bymas;

“尚可的上限,低下限”:magixx、dumau、roeJ、hampus、nafany和mopoz;

“低上限,低下限”:Farlig、apEX、dexter、JACKZ、tiziaN、shox、nitr0、HooXi和TACO。

这里提及的一些名字可能会让我们感到意外,但白纸黑字的数据如此。

同时,注意到选手的上限和下限之间存在明显的正相关关系。从散点图的左下角至右上角画一条趋势线(白线),大部分选手的坐标都坐落于这条趋势线附近。在左上方远离趋势线的是上限较高而下限较低的选手,而反之在右下方远离趋势线的下限较高而上限较低的选手。如果我们将选手的上限与下限之比,也就是该选手的坐标与散点图零点连线的斜率(而非上限与下限之差,即原文中的IQR)作为稳定与否的评价依据,那么大部分的选手都是“正常”的——他们的稳定性是相似的。

看起来,用上限与下限之比来描述选手的稳定性是行之有效的。在图中红线附近的选手,比如nafany和apEX的上限与下限之比较高,他们也往往被人认为不稳定;相反那些在图中黄线附近的选手,例如HObbit、NAF和degster则被人贴上“稳定”的标签,他们的上限和下限非常接近。

但是,正如作者在原文中指出标准差和IQR不足以评价稳定性一样,上限与下限之比没有解决一个问题:为什么在这种评价方式中,那些超级巨星不是最稳定的?在本质上这还是因为超级巨星的上限太高了,这让他们想要复现自己的平均水平变得更困难。举个例子,图中ZywOo和degster的下限几乎是一致的,而法国人的上限比俄罗斯人高出大约0.15。但无论是采用标准差、IQR还是上限与下限之比来描述二人的稳定性,degster都比ZywOo更稳定——这无疑是与大多数人的观念相悖的一个结论。其原因很简单:当ZywOo打出1.30的数据时,degster只要给出1.20的数据就可以被视作同样稳定,而后者的难度无疑小于前者。

sh1ro最傲人的优势就是稳定,但在原文给出的各种统计数据中,他都因为自己过高的上限而与“稳定”无缘

为什么统计数据得出了与我们的“常识”不同的结论?我想,很难完满地解释“稳定”二字的一个重要原因是,我们经常将稳定与“稳定地出色”混为一谈。当我们提及s1mple、ZywOo和device如何稳定时,我们其实指的是他们总是有出色的表现。反之,Xyp9x最近一年多的时间里几乎每场比赛都送出诸如0.90或者0.95这样的数据,统计意义上他是无比稳定的。但我们根本不会赞扬“九爷真是稳健”,只会抨击“P9真菜啊”。在观众眼里,总是表现糟糕绝不是稳定。这就让我们的数据分析遇到了很大的阻力,因为数据难以分辨“稳定地出色”和“稳定地平庸乃至糟糕”。

总而言之,原文中的数据分析给出的稳定性是一种机械的稳定性,它只考虑选手在某场比赛的表现与其平均水平差异几何,而不关心这种差异是正向的还是反向的。这种机械的稳定性描述了选手打出平均水平的比赛的复现能力。可是我们关心的稳定性是一种动态的稳定性,它不仅顾及选手表现的波动有多大,同时还要考虑这种波动的好坏。向下的波动自然是不理想的,我们肯定希望一位稳定的选手在每张地图上总是至少能接近他的平均水平。但是向上的波动不但不会像在机械的稳定性那里一样被视为不稳定,反而值得赞誉。

一个思维实验可以更清楚地说明两种稳定性的区别:一位在80%的比赛中rating都介于1.00至1.50之间的明星选手和一位在80%的比赛中rating都介于0.70至0.90之间的IGL,谁更稳定?我们完全可以不假思索地说前者更稳定,但数据分析给出的答案很可能是后者更稳定。前者具有动态的稳定性,而后者的稳定体现在其复现能力。

JACKZ两极分化的风评也体现出了两种稳定性的区别:“稳定地菜”算稳定吗?

那么,是否有更好的办法来描述我们需要的动态的稳定性?HLTV长期以来使用的评估选手地图稳定性的指标是rating不低于0.85/1.00/1.15/1.30的地图的百分比,对于不同水平的选手,HLTV对其地图稳定性的描述或者要求是不一样的。普通的明星选手只要大多数地图rating不低于0.85就会被HLTV视作稳定,而对于那些超级巨星,HLTV不仅要求他们要在大多数比赛中打出正rating,而且进一步希望他们能有占比不少的地图的数据超过1.30。HLTV的评价标准的精妙之处在于,它如同我们关心的动态的稳定性一样,也是动态的。对于不同的选手,稳定不再是绝对的概念,而需要量体裁衣。这套评价体系可能并不公平,也不够复杂,忽视了一些重要的因素,但它可能仍然是目前最贴切的评估选手稳定性的方式。


3    讨论

正如原文和上文的分析所述,想要全面阐述何为稳定实在是太困难了。一千个人心中有一千个哈姆雷特,可以说每个人眼中的稳定或者不稳定都不尽相同。当我们谈论谁“稳定”,谁“不稳定”时,我们到底在说什么?


3.1    对比不同选手的稳定性的前提条件

上文的分析,特别是HLTV对不同选手的地图稳定性的不同要求,暗含了一种规律:我们在分析选手的稳定性时,最好只比较水平相当的选手,而实力相距甚远的选手之间的稳定性对比没有太大意义,因为我们对他们采取了“双重标准”。s1mple和Perfecto普遍被认为是稳定的选手,正如原文所述,后者的一些统计数据甚至表现出比前者更高的稳定性。但是,Perfecto打出一场数据为1.05的比赛时,NAVI很有可能轻松取胜;而如果rating为1.05的人是s1mple,NAVI大概会遇到大麻烦。

在构思这篇文章的时候,我也对自己曾经的一些观点有所反思:在7月评估今年上半年表现最好的20位选手时,我指出一部分选手(诸如b1t、ropz、huNter-和yuurih)的地图稳定性不佳,他们rating不低于1.00的地图的百分比在65%左右,而最优秀的选手可以达到85%左右。问题是,这些选手本来就不是超级巨星,他们与最优秀的选手的rating之差可以达到0.15。那么,一位平均rating为1.30的选手打出一场rating不低于1.00的比赛的概率自然会远大于一位平均rating为1.15的选手,要求后者打出和前者一样多的正rating的地图的百分比其实是不合理的。

sdy加入NAVI后,b1t确实状态不及以往,但我们其实没有理由认为b1t一定要多么出色


3.2    选手稳定性的对比——以broky和m0NESY为例

上文提到,最好只对比水平相近的选手的稳定性。在此抛砖引玉,以broky和m0NESY为例,来说明从各种统计数据中可以得到什么有意义的结果。选择比较这两位选手的原因是,截至目前,今年二人的rating均为1.16;他们的大型赛事rating均为1.15;broky的精英赛事rating为1.17,m0NESY为1.14;m0NESY对阵TOP 20战队rating为1.15,broky为1.13;m0NESY对阵TOP 5战队rating为1.22,broky为1.19。这些数据上的相似性足以保证二人的可比较性。从统计意义上看,二人的个人能力是大致相当的。二人的对比结果如下:

我们可以得出几条实用的结论:

1. 如果以“打出不低于所有选手平均水平的rating(1.00)”为目标,broky是更好的选手。在这一点上,broky有76.2%的地图rating不低于1.00,这个数字甚至可以与NiKo、blameF和Ax1Le媲美,而m0NESY的70.7%则比较平淡,也就是一个不错的明星AWPer应有的水准。同时broky的Q1也高于m0NESY。所以可以说broky具有更高的下限。

2. 如果以“不打出糟糕的rating(0.85)”为目标,二人的水准相当。86.1%和87.1%都是很出色的数据,这表明二人都有很高的“底线”,鲜有极度失常的时候。

3. 如果以“打出非常优秀的rating(1.30)”为目标,m0NESY是更好的选手。同时m0NESY的Q3也高于broky。所以可以说m0NESY具有更高的上限。

4. 一些统计数据如标准差和IQR似乎指向一个观点:broky具有更高的机械的稳定性,实际上多数人也认为broky比m0NESY更稳定。但是注意到二人的Q2-Q1相差只有0.03,而Q3-Q2相差达到0.08。这意味着broky更低的IQR和标准差以及随之而来的更高的机械的稳定性主要来自他较低的上限,而非m0NESY较低的下限。

5. 最后,我们可以从直方图更直观地注意到一些细节:broky的数据主要聚集在1.00-1.30之间,而m0NESY的数据分布更加均匀,这表明他有更多的表现出色(≥1.30)和平庸(0.85-1.00)的比赛,以及更少的表现正常(1.00-1.30)的比赛。二人表现糟糕(<0.85)的比赛都很少。

broky的地图rating分布直方图
m0NESY的地图rating分布直方图

一言以蔽之,broky更容易复现他的平均水平,而m0NESY更容易打出超常水平,但这并不代表他比broky更容易发挥严重失常,而是他更容易表现平庸。那么归根到底,谁更稳定?这个问题算是仁者见仁智者见智,个人还是更倾向于统计数据给出的直接结果:在很有限的程度上broky更稳定。


3.3    不应该苛求选手的稳定性

上文提到,激进步枪手往往被认为是不稳定的,这是否是一种偏见?统计数据似乎表明激进步枪手一般是不稳定的,这也很容易理解:他们是团队的双刃剑。一方面,他们贡献大量的首杀和多杀,具有强大的影响力;另一方面,这种高收益建立在高风险的基础之上,他们经常白白死去,无法保证在每个回合都有贡献。从25岁生日之后开始在比赛中坐过山车的NiKo,到在最大的舞台上突然发挥失常而被淘汰的Ax1Le,我们永远不知道“世一步”的荣耀和伴生的厄运谁会先到来。更“细思极恐”的是,Ax1Le和NiKo已经是统计意义上和肉眼观感上最稳定的激进步枪手了,可是即使是如此优秀的超级巨星有时仍然不能让我们满意,仿佛他们每次失败的前压、干拉和架枪都成为了罪过。

Ax1Le辉煌的一年却画上了一个残缺的句号

那么我们评价一位选手稳定与否的标准是否对激进步枪手不够公平?这个问题还是应该一分为二:在现实中,激进步枪手确实难以像AWPer和保守步枪手那样持续做出贡献(特别是如果我们确实把生存能力视作一种贡献的话),他们对团队的正向作用通常是间歇式的,与无穷无尽的波动相随。但在原则上,在一套有利于AWPer和保守步枪手的评价体系中将他们与激进步枪手比较,确实会让后者吃亏。所以,不仅实力相差过大的选手之间比较稳定性是缺乏意义的,扮演不同的角色的选手之间同样不适合比较稳定性。

此外我想提醒的一点是:不要将正常状态的s1mple和ZywOo作为稳定的标杆。我们有时候说NiKo或者Ax1Le“不够稳定”,这里的语境实际上是暗中将二人与s1mple和ZywOo比较。的确,稳定与否是一个相对而非绝对的概念,作为最好的步枪手之二的NiKo和Ax1Le遭受这种对比也是很自然的。但是我们真的有必要把s1mple和ZywOo——两位个人能力最强大的选手作为稳定的标准吗?如此一来,稳定成为了高不可攀的奢侈品。

实上不仅是除了s1mple和ZywOo外的其他人难以触及这样的高度,即使是s1mple和ZywOo本人也不能确保自己的手感永远火热。s1mple和ZywOo在赛场上的绚丽表演养叼了我们的口味,但不要把这种最高级别的表现视为人人理所应当做到的事情。二人不尽人意的里约之旅为我们敲响了警钟:再神奇的选手也是人,也有手感冰凉的日子。对于选手偶然的状态波动,我们要报以适当而合理的宽容。

反转了,这里是海鲜大排档


3.4    对稳定性更感性的认识

比起纷繁复杂的统计数据,对于大多数观众而言,稳定是一种肉眼观感:从成功完成每一次架点,到高度的纪律性,再到面对瞬息万变的赛场谨慎地做出抉择,以及可能是重中之重的一点——在最紧要的关头依旧保持正常发挥。正如作者在原文开头所言,如果一个选手不能在团队最需要他的时候展现出上限,那么即使他的上限再高都无关紧要了。强大与伟大的一字之差就在这里,CS:GO从来不缺少强大的天赋,但在预选赛和小组赛打出超过1.30的rating与在大赛淘汰赛和生死战打出相仿的数据的意义是截然不同的。

device在年轻的时候也是choke大王,但是他后来彻底改变了自己的比赛气质

为什么device有着Mr. Consistency的外号,被许多人认为是史上最稳定的CS:GO选手,而不是其他人?是因为他是数据最突出的选手吗?当然不是,如果我们只看Excel里那些枯燥的数字,我们无法认识到device有多稳定。如何形容这种稳定?当他出现在最大的舞台上时,他总是让Astralis的粉丝安心,同时令对手陷入绝望。

难道device没有发挥失常的时候吗?当然也不是,但是device的智慧足以抹平手感的波动:“每个人都有状态好坏的时候,我也不例外。将我和大多数AWPer区分开来的原因并非我每天都有最佳状态,而是当我处于100%的状态时,我知道我应该做什么,当我只有80%的状态时,我知道我又应该做什么。”在我看来,这就是一种最高级别的超然的稳定,不仅建立在机械的个人能力之上,同样依托于深邃的游戏理解。在追寻稳定性的路上,device比其他人都走得更远,故而他也收获更多。

88hash xocsgo
88hash xocsgo