相信很多人都遇到过这么一种情况，自己下了课或者下了班，想打开电脑爽两把游戏，结果每把都能遇到几个神人队友。

在 LOL 里遇到猫咪打野，在 CS 里遇到夕阳红大狙，在三角洲里野人队友活得像是个阿萨拉士兵，在 PUBG 里野人队友落地挂机。

为了赢，你喊来了好哥们开黑。结果游戏二连坐，越打越沉默，最后梦里还在复盘赢一把为啥这么难。

一个人面对这种情况，他会手足无措。一千万个人面对这种情况，那他们就会认为这是种特殊现象。

这种特殊现象的成因究竟是啥，可能没有太多人会深究。不过经历了玩家间口口相传之后，人们会下意识的归因为三个字—— Elo

估计大伙不太清楚，喷 Elo 这事，不是这两年的习俗，而是玩家间源远流长的传统。

英雄联盟在北美公测的次年，也就是 2010 年，顶不住 Elo 的外国老哥就发明了一个词—— Elo 地狱（Elo hell）。它用来形容玩家被困在某个分数，你可以简单理解成咱这边常说的青铜天坑。

之后几年，伴随电竞的发展，Elo 地狱这个词也逐渐破圈，被玩家用在任何一个 PVP 在线游戏里。

不过 Elo 地狱在玩家间也存在争议，有人觉得是游戏厂商故意搞事，也有人认为纯粹是自己运气不好，两拨人互相辩论了十几年。

如果没啥意外，双方估计会一辈子相爱相杀下去。然而 2023 年 7 月，V 社在更新 dota2 7.33 版本时，把盖子给彻底掀开了。

原文太长就不念了，总之大概意思是：Elo 地狱是真实存在的。

毫无疑问，V 社的 " 官方背书 "，算是把 Elo 的热度添了一把火。哥几个喷起来，也更加起劲了。

打刀塔的老哥，排位总是上不去，最黑的时候，打出了十连跪的战绩，好像系统要把他锁死在这个分段。那咋办，只能 Elo 背锅。

另一位 LOL 手游玩家，选人的时候发现队友玩亚索辅助，自己还选了惩戒虚弱摆烂，除了在野区打野，就是泉水挂机，结果还赢了。这下更证明了 Elo 在发力。

有人不信邪，贴出了自己在 LOL 连胜的战绩，认为 Elo 压根就不存在。

结果网友直接沿着 ID 倒查，贴出了楼主连败的对局信息，帖子下边充满了快活的空气。

随着关于 Elo 的海量案例席卷网络，Elo 的名声也越来越臭。

它成了一种平衡胜率的邪恶工具，被那些无能的厂商操控，用来把玩家的胜率卡在 50% 左右。背后的一切就是为了让你像一头永远拉磨的驴，在游戏里日复一日为上分而努力，从而保证游戏日活人数。

为了实现这一目的，万恶的 Elo，常常会在匹配时做手脚。于是乎，你发现被自己乱杀的人正在乱杀自己的队友，一想到两拨人里有一拨人必然会赢，你就感觉浑身难受。

面对 Elo，玩家的行为简直是八仙过海各显神通。

有人发帖狂喷，渴望厂商赶紧调整；有人搞起了玄学，通过在排位上分前先在匹配局输几把，或者开始游戏前先少充点钱的方式避免被 Elo 波及；还有的高手直接卡起了 Elo 的 bug 上分，他还光明正大的做了一整套教程，手把手教你从养号开始躺到高段位。。。

看了这么多案例，被玩家的各种行为洗礼，就算你是个路人，心里估计也感觉 Elo 不是啥好东西。

但是，让你玩游戏玩到痛苦面具的真是 Elo 吗？

想要搞懂这个问题，你首先得搞懂，Elo 到底是个什么玩意。

Elo 的名字，源于匈牙利裔美国物理学教授阿尔帕德 · 埃洛（Arpad Elo），这位出生于 1903 年的 00 后老爷子特喜欢国际象棋，棋瘾比公园老大爷还大。

他没少参加各种比赛，而且还八次拿下了威斯康星州冠军，成为了第十一位入选世界国际象棋名人堂的成员。

20 世纪 50 年代左右，国际象棋开始出现了等级分系统，不过埃洛却感觉当时的等级分系统有问题，它会导致结果和真实情况出现错位。于是埃洛在 1959 年着手研究等级分系统，最后推出了沿用至今的 Elo。

也就是说，整套 Elo 系统的唯一目的，就是科学的给选手实力打分。

我就不详细展开它有多科学了，因为这玩意超级复杂，给你上两张图你就知道了。

这是 Elo 系统有关的符号和公式，简单机翻了一下，我想大伙应该没啥兴趣听我上数学课吧。

上下滑动

当然，为了搞清 Elo 的基本原理，我们需要了解两个公式。

第一个公式用来计算玩家的获胜概率：

其中 Ea 代表和玩家 B 的对局中，玩家 A 的获胜概率。Ra、Rb 代表玩家 A、B 的当前 Elo 分。

举个例子，我的 Elo 分是 2000，你的 Elo 分也是 1500，带入计算后就能得出我的胜率是 0.94，哥们碾压局。

第二个公式用来给出对局结束后玩家的新 Elo 分：

Ra ’ 代表对局结束后玩家 A 的新分数。Ra 代表玩家 A 在对局前的 Elo 分。S 指 " 得分 "（Score），它是个固定值，1 代表胜，0 代表负，支持平局的游戏里，S 也可以是 0.5。

K 有点特殊，它是一个可以调整的常数，K 值越大，分数变化越快，反之同理。

原因嘛，可以用 LOL 举例。

你是个刚能打排位赛的萌新，这时 K 值就比较大，因为游戏需要通过分数的剧烈波动，快速定位你的真正水平。

反过来，你是个干死了无数只提莫的峡谷老玩家，那 K 值就很小。因为游戏在过去已经知道你的水平，它现在的主要目的是给出一个相对稳定的结果。

现在，我们套用第一个公式里的信息：我的 Elo 分是 2000，你的 Elo 分还是 1500，我的胜率 Ea 是 0.94。

K 值按国际棋联的标准，设为普通选手级别的 20。所以，我在战胜你之后，Elo 分来到了 2001.2 分，因为系统判断我是在虐菜，所以只给我加了 1.2 分。

与此同时，使用了 Elo 机制的比赛，通常会给新玩家一个基础分，比如 1400 分。

所以我们可以发现，知道了能用来赛前预测的公式一，以及赛后调整的公式二，再加上人人都有的基础分，那 Elo 这套打分系统就可以运作。

恭喜你，到这一步，你已经搞懂了 Elo 的基本逻辑。

看到这，你可能会觉得，能科学且全面的给选手打分，Elo 还真是个好东西，得学啊。

但就像是埃洛发现旧等级分系统存在 bug 一样，随着时间的推移，Elo 系统也开始出现了问题。它没有考虑到某些特殊情况，例如棋手短时间内的实力突飞猛进，以及顶尖棋手为了少丢分而选择和棋。

所以现在的 Elo 其实已经根据现实需求迭代过，只是核心的逻辑没有变化罢了。

了解以上的内容后，我们再去看看游戏圈里的 Elo。

电子游戏和国际象棋一样，追求的依旧是博弈。尤其是 2000 年后，PVP 游戏开始大流行，电竞成了时代的风口。给玩家的技术水平打分，就成了游戏们也绕不开的一步。

当前游戏界常见的评分系统，有 Glicko、TrueSkill、Elo 等。

Glicko 相当于 Elo 的改进版，主要是引进了等级分偏差和等级分波动性 σ 两个概念，它解决了玩家等级分可靠性的问题。你可以理解成回坑老玩家等特殊情况下，打分会更准确。

使用 Glicko 的游戏有 CS2、刀塔 2、斯普拉遁 2 等

TrueSkill 则是由微软开发，它为比赛涉及多名玩家或团队的在线游戏而设计。

它和 Elo 就不太一样了，TrueSkill 引入了平均值和不确定性。简单来说，这个评分系统考虑到了不同玩家的运气。

使用 TrueSkill 的游戏有光环、战争机器、极限竞速、彩六等

Elo 就更不用多说了，它更是被广泛使用，比如曾经的英雄联盟。

2009 年，拳头的游戏设计副总裁在论坛里发过一篇帖子，里边明确提到了 LOL 采用了改良版的 Elo 系统。

和原本的 Elo 相比，改良版还会计算对局里团队的 Elo 值。

聊到这，比较敏感的朋友可能意识到问题出在哪了。

那就是本服务于 1V1 对战的 Elo，与团队竞技游戏结合后，会让匹配出现巨大的不确定性。

为啥这么说呢，咱先看看英雄联盟的早期匹配系统，这里可以拆分成三步：

首先看你是不是组排，如果是组排那就给你排更强的对手，因为组队本身就是一种优势。

接着系统会为你安排分数贴近的玩家。不过随着排队时间变长，匹配范围也会越来越大，毕竟大伙都想尽快开始游戏。

最后，系统会把排到一块的玩家分成两只队伍，尽量让胜率维持在 50%。

不难理解吧，很多游戏的匹配系统都是这个思路。

我个人的理解是，基于这套被广泛使用的匹配逻辑，当一个人连胜后，系统会判定你处在超过当前段位的游戏水平，也就是你的 Elo 分突然高了一截，然而你的游戏对局，却又要和你当前的段位相匹配。

这种情况下，为了保证双方队伍都处于 50% 的胜率、团队水平分相近，你们这边就要塞几个水平相对较低的队友，用来抹平你那个夸张的当前水平分给团队分带来的水分。

所以位于当前段位的你，会明显感受到队友实力弱于当前段位、游戏体验极差——这就会给你一种 "Elo" 的感觉了。即便如此，玩家狂喷的 "Elo" 是否真实存在，还是个未知数。

比如那个年初在韩服疯狂上分，胜率 92% 的 AI 玩家，最后被人发现是职业选手。

当然，这个案例可能比较特殊，不过普通玩家也有人实验。2024 年，一位钻石大师水平的玩家，借了朋友的 10 年黑铁号，通过 10 多天的 100 把对局，得出了 100 局 72 胜 28 负的结果，段位冲到了黄金一，经常排到白金翡翠。

他很明确的给出了结论：游戏不存在 Elo

说实在的，一个游戏有没有用 Elo，对玩家来说并不重要。

就像 2024 年就有报道说拳头公司把 Elo 改为 TrueSkill2 评分系统，刀塔 2 也把 Elo 改成了 Glicko，根本无人在意，人们只是觉得玩的很不爽，于是发帖开喷。

在线游戏里，匹配到的其他玩家本来也是出气筒，顺风聊家常，逆风聊家长。

那些不可预知也不可控的逆天队友，更是容易放大玩家的愤怒。如果说你玩单机游戏时，游戏体验垃圾给你的愤怒值是 1，竞技游戏时体验垃圾给你带来的愤怒值，可能会直接飙到 10。

猫咪打野和起狙就送的神人，他们 成了显眼的靶子，在这一刻恰好用来接住你愤怒的子弹。

所以，"Elo" 问题能解决吗？

我只能说，至少在当前，应该没有任何一家游戏公司可以彻底解决这个问题。

从设计角度看，游戏的评分和匹配其实已经在尽力做到了公平。它只是太过理性，因为判断你某段时间很强，于是就给你塞点笨蛋队友拖后腿，拉低团队分。

而玩家在玩游戏时最不需要的就是理性。大伙只是想要一种体感上的公平，也就是实现高手对战、菜鸡互啄。

可这么做还是存在问题。举个最简单的例子，你在 LOL、刀塔、CS 里是否愿意为了匹配到实力完全相近的九个人而苦等 15 分钟？

我想很多人在匹配时间超过 30 秒，就会怀疑游戏服务器是不是出毛病了。更何况，玩家实力过于相近，会让每把的游戏体验类似，十分无趣。一款游戏被贴上无趣的标签，那它就要完蛋了。

其实说白了，大伙所讨厌的 Elo，在游戏厂商看来，压根不是啥纯纯的坏种。它能最大程度调动玩家情绪、吸引玩家高频参与游戏、并尽力维持游戏胜率。

或者换个更简单的说法，那些没人说用 Elo 的游戏，有几个比被玩家狂喷 Elo 的 " 垃圾游戏 " 火？

至于大伙是否同意厂商的观点和做法，那就是另一码事了。

我们可以知道的是，一段时间内，所谓的 "Elo" 不会消失。

但对那些厌恶 Elo 的朋友而言，我有一个绝妙的法子，那就是暂时放下鼠标，挪开键盘，站起身来，看看远方的雪山吧家人们。

撰文：张大东

编辑：莽山烙铁头

美编：焕妍

图片、资料来源：

www.invenglobal.com/articles/19356/what-is-eomm-in-marvel-rivals

web.cs.ucla.edu/~yzsun/papers/WWW17Chen_EOMM

www.pubnub.com/blog/skill-based-matchmaking-explained/

web.archive.org/web/20200309232416/http://forums.na.leagueoflegends.com/board/showthread.php?t=12029

gwern.net/doc/statistics/order/comparison/1978-Elo-theratingofchessplayerspastandpresent.pdf

handbook.fide.com/chapter/B022017

mattmazzola.medium.com/understanding-the-Elo-rating-system-264572c7a2b4

www.fide.com/new-fide-rating-and-title-regulations-come-into-effect/

en.chessbase.com/post/what-s-wrong-with-the-Elo-system

dl.acm.org/doi/epdf/10.1145/3539597.3573023

www.dictionary.com/culture/pop-culture/Elo-hell

syncaine.com/2010/09/20/welcome-to-Elo-hell/

www.dota2.com/newfrontiers?l=schinese

us.forums.blizzard.com/en/overwatch/t/Elo-hell-what-is-it-is-it-real/931894

cloudvstheworld.wordpress.com/2015/09/06/Elo-hell-is-not-real-and-you-need-to-stop-kidding-yourself/

leagueoflegends.fandom.com/wiki/User_blog:Madness_Incarnate/The_Mathematics_and_Psychology_behind_%22Elo_Hell%22

www.reddit.com/r/leagueoflegends/comments/rj946/why_the_Elo_system_is_demoralizing/

www.unrankedsmurfs.com/blog/change-to-trueskill2

game-tournaments.com/en/lol/news/54509

www.glicko.net/glicko/glicko.pdf

lichess.org/forum/general-chess-discussion/glicko-2-rating-system-vs-Elo-rating

www.microsoft.com/en-us/research/project/trueskill-ranking-system/