دنده تورنت

چگونه AI ماموریت ها و چالش های مسابقات را شخصی سازی می کند

1) چرا شخصی سازی کنید

شخصی سازی مأموریت ها و وظایف مسابقات:

ارتباط را افزایش می دهد (ماموریت «در شکل خوب»، بدون خرد کردن خسته کننده) ؛
کاهش سرخوردگی (مشکل و مدت زمان برای مشخصات بازیکن);
حفظ و تعامل را بهبود می بخشد (پیشرفت قابل مشاهده، اهداف قابل فهم) ؛
حفاظت از اقتصاد (صدور جایزه کنترل شده و صداقت شرایط).

کلید: تعادل شخصی سازی و عدالت - اهداف فردی نباید مزیت ریاضی در بازی ها داشته باشند.

2) سیگنال های داده (ورودی های مدل)

رفتاری: ژانرهای اسلات/ارائه دهندگان، نرخ متوسط، سرعت چرخش، طول جلسه، زمان روز، فرکانس ورودی.

پیشرفت: سطوح/XP، تکمیل ماموریت های گذشته، موفقیت/شکست در مسابقات، رگه و.

مالی: سپرده/برداشت (جمع، بدون جزئیات حساس)، حساسیت به پاداش.

اجتماعی: مشارکت در چت/رویدادها، کلیپ/پخش، واکنش جامعه (در صورت وجود).

زمینه: دستگاه، کانال ورودی، محدودیت های جغرافیایی در محتوا/ارائه دهندگان.

سیگنال های RG: محدودیت زمان/سپرده، تمایل به جلسات طولانی - برای کاهش پیچیدگی و مکث نرم.

💡 مهم: تمام مدل ها با ویژگی های جمع شده و ناشناس کار می کنند، بدون استفاده از PII فراتر از آنچه که توسط انطباق مورد نیاز است.

3) مدل پشته

1. خوشه بندی (بدون نظارت)

K-Means/DBSCAN/HDBSCAN → بخش های رفتاری: «sprinter»، «collector»، «شروع مسابقات»، «نام تجاری برای ارائه دهندگان».

طریقه استفاده: «قاب» اصلی مأموریت ها را برای بخش انتخاب کنید.

2. امتیاز دهی گرایش (تحت نظارت)

هدف: احتمال تکمیل ماموریت X در پنجره T، احتمال شرکت/پایان در مسابقات.

مدل ها: تقویت گرادیان (GBDT)، رگرسیون لجستیک، ترانسفورماتور جدولی.

3. راهزنان متنی

هدف: انتخاب آنلاین نوع ماموریت و پیچیدگی تحت زمینه با کنترل اکتشاف/بهره برداری.

روش ها: نمونه برداری LinUCB/Thompson.

4. RL/آموزش سیاست (اختیاری)

هدف: بهینه سازی توالی ماموریت/وظیفه (زنجیره ای) برای نگه داشتن بازیکن بدون بیش از حد.

محدودیت ها: محدودیت های ایمنی شدید (§ 7 را ببینید).

4) داده های خط لوله و راه حل در فروش

مجموعه رویدادها: اتوبوس رویداد (Kafka/Redpanda)، طرح ها: چرخش، session_start/end، mission_progress، tournament_result.

Fichering: فریم های 1h/24h/7d ؛ aggregates (نرخ متوسط، واریانس سرعت، انواع ارائه دهندگان).

مدل های نصب/به روز رسانی: آفلاین یک بار در هر 1-7 روز ؛ نمره آنلاین در هر جلسه + آموزش جزئی اضافی راهزن.

محدودیت های صدور: سیاست صداقت (نرخ محدودیت، کلاه جایزه، محدودیت RG).

ورود به سیستم تصمیم گیری: چه کسی/چه زمانی/کدام گزینه سیاست نشان داده شده است، شانس، پیچیدگی مورد انتظار، نتیجه واقعی.

5) ژنراتور ماموریت (منطق تصمیم گیری)

1. بخش: خوشه → سبد ماموریت اساسی (ژانرها، مدت زمان).

2. فیلترهای انطباق: ارائه دهندگان، محدودیت های جغرافیایی، RG (از جمله محدودیت زمانی روزانه).

3. امتیاز دهی: رتبه بندی نامزدها بر اساس احتمال تکمیل و ارزش مورد انتظار (EV Retensna).

4. راهزن متنی: انتخاب 1-2 نامزد بهترین با ε -exploration.

5. تنظیم مشکل: تطبیق اهداف (تعداد چرخش/شرط/زمان) به یک پنجره محیطی (به عنوان مثال آخر هفته/آخر هفته)

6. درپوش انتشار: فصلی رمز/آرایشی و بهداشتی بررسی بودجه.

7. یک جایگزین معنی دار: پیشنهاد 1 ماموریت یدکی («تغییر» را فشار دهید یک بار در هر ساعت X).

6) شخصی سازی وظایف مسابقات

انتخاب لیگ/بخش توسط MMR و تاریخ مستقل از VIP است (نگاه کنید به مقاله قبلی).

میکرو اهداف فردی در مسابقات: «بازی 3 ارائه دهندگان»، «نگه داشتن سرعت ≤N چرخش/دقیقه»، «نشان برای X٪ بالا» - پیچ و تاب در گرایش.

پنجره های مشارکت انعطاف پذیر: اسلات زمانی که بازیکن اغلب آنلاین است ؛ یک جلسه غربالگری توصیه می شود.

آهنگ های جایزه توسط مشخصات: لوازم آرایشی و نشانه با توجه به نادر بودن، اما بدون افزایش RTP/اموال.

7) قوانین، مسئولیت ها و محدودیت های یکپارچگی AI

محدودیت های ایمنی: حداکثر N ماموریت شخصی در روز ؛ ممنوعیت افزایش پیچیدگی در سیگنال های خستگی RG.

شفافیت: «چگونه ماموریت ها انتخاب می شوند» صفحه نمایش: بخش ها، زمینه، حفاظت در برابر شکست (تایمر ترحم)، کلاه از جوایز.

عدالت: همان سقف جوایز برای همه ؛ شخصی سازی مسیر را به جای ارزش حاصل تغییر می دهد.

بازی مسئول: مکث نرم، توصیه «استراحت»، محدودیت های روزانه - ساخته شده را به سیاست.

حریم خصوصی: فقط جمع می شود ؛ هیچ PII در ویژگی های مدل فراتر از حداقل مقررات.

8) ضد سوء استفاده و ضد بازی

تشخیص چرخه یکنواخت: تکرار با فرکانس بالا از ماموریت → نیاز به تنوع (ارائه دهنده/شرط/زمان).

کلاه سرعت: بیش از X ماموریت/روز، cooldown بین وظایف «سریع».

محافظ مشکل: محدودیت های پایین/بالا ؛ پرش های تند ممنوع است.

تبانی در مسابقات: امضاهای شبکه ای/رفتاری، بررسی های تصادفی KYC در لیگ های برتر

حسابرسی ورود به سیستم: توضیح تصمیمات (کدهای دلیل: بخش، تمایلات، باند بازوی).

9) معیارهای موفقیت

ارتقاء D7/D30 در شخصی در مقابل پایه.

میانگین زمان تکمیل پروژه (Median Time-to-Complete (TTC

چسبندگی (DAU/MAU)، میانگین طول جلسه (با نگهبانان RG).

توزیع جینی پاداش (یکنواختی با تلاش های مشابه).

نرخ شکایت توسط «بی عدالتی» و شخصی سازی نرخ خاموش/لغو.

جایزه ROI/انتشار به GGR - پایداری اقتصاد تبلیغاتی.

هزینه اکتشاف راهزن و پشیمانی - به راه اندازی ε/تامپسون نمونه برداری.

10) الگوهای A/B برای اجرا

1. انواع ماموریت: ارائه دهنده خاص در مقابل ژانر.

2. طول ماموریت: کوتاه (≤15 دقیقه) در مقابل متوسط (30-40 دقیقه).

3. تایمر ترحم: سخت در مقابل نرم در همان p₀.

4. الگوریتم راهزنی: LinUCB در مقابل تامپسون ؛ ε های مختلف

5. تغییر ماموریت: دسترسی 1/روز در مقابل 2/روز.

6. میکرو اهداف مسابقات: یک در مقابل دو موازی.

11) قالب ها (JSON) ماموریت ها و وظایف مسابقات

ماموریت (شخصی):

جی سون
{
«mission_id": «م. س. 3. var. زمان بازی. متنوع است. 001»، «عنوان»: «باز کردن سه جهان»، «segment_hint": «جمع آوری»، «مشکل»: «متوسط»، «الزامات»: [[
{«type «: «provider _ diversity «, «providers»: 3,» window _ min»: 30}, {«type «: «bet _ range»,» min»: 0. 2، «حداکثر»: 1. 0}
]، «ترحم»: {«soft _ delta»: 0. 02، «کلاه»: 0. 4, "hard _ after _ attempts": 30}, "rewards": {"tokens": 12 ", cosmetic_drop": {"نادر بودن ": "نادر"," p": 0. 12}, "caps": {"daily _ user _ missions": 3 ", economy_token_cap": 150}
}

میکرو هدف مسابقات:

جی سون
{
«task_id": «تی اس 3. واجد شرایط. قدم میزد. تمپو», «زمینه»: {«لیگ «: «طلا «, «زمان _ اسلات»:» شب»}, «هدف»: {«نوع «: «سرعت _ کنترل «, «max _ spins _ per _ min»: 45,» duration _ min»: 20}, «vip_neutral": true, «rewards»: {«season _ points»: 120}, «انصاف»: {«max _ value _ equivence»: درست است)
}

12) pseudocode تولید (باند متنی)

زمینه پایتون: قطعه، زمان، دستگاه، TTC اخیر، زمینه پرچم RG = build_context (user_id)

نامزدها = fetch_candidate_missions (بخش = زمینه. بخش)
نامزدها = compliance_filter (نامزدها, زمینه. ژئو، متن. RG)

scored = [(m, propensity_score (m, context)) برای m در نامزدها]
topK = top_by_score (امتیاز، k = 5)

راهزن «دست» را انتخاب می کند (بازو)
انتخاب شده = contextual_bandit choose_arm (topK، زمینه)

بیایید پیچیدگی را تنظیم کنیم + بودجه انتشار شخصی را بررسی کنید = adjust_difficulty (انتخاب شده، زمینه)
اگر نه economy_budget_ok (شخصی):
شخصی = degrade_reward (شخصی)

log_decision (user_id، زمینه، شخصی)
تحویل (شخصی)

13) الگوهای UX

شفافیت: «مطابق با سبک شما: 30-40 دقیقه، 3 ارائه دهنده، پیروزی - یک قطره آرایشی نادر».

کنترل: دکمه «تغییر ماموریت» (cooldown)، تغییر سوئیچ «غیر فعال کردن شخصی».

صاف بودن: شاخص های دشواری، نمره زمان، نوار پیشرفت با پیش بینی TTC.

دانلود انیمیشن کوتاه Quiet VFX: Short Animations of Success بازخورد به شکست - + قطعات/پیشرفت ترحم.

14) طرح انتشار

1. MVP (3-5 هفته): خوشه بندی + تمایلات برای ماموریت ؛ مشکلات مسابقات استاتیک ؛ کلاه های انتشار ؛ صفحه نمایش شفافیت

2. v0. 9: اراذل و اوباش متنی ؛ تغییر ماموریت ؛ اهداف کوچک در مسابقات ؛ گارد RG کامل

3. V1 0: زنجیره ماموریت RL ؛ اهداف اجتماعی ؛ مجموعه های بصری ؛ «صداقت» گزارش و حسابرسی ورود به سیستم.

4. بعدی: چرخش قالب فصلی, لوازم آرایشی یکپارچهسازی با سیستمعامل comebacks, تبلیغات متقابل با ارائه دهندگان.

15) چک لیست قبل از شروع

شخصی سازی بر مزیت RTP/ریاضی تاثیر نمی گذارد.
محدودیت انتشار و محدودیت ماموریت روزانه.
تایمر ترحم و نقاط عطف قطعی راه اندازی.
چگونه کار می کند صفحه نمایش + کدهای دلیل.
سیاست های RG: مکث، محدودیت، گزینه «غیر فعال کردن شخصی سازی».
ضد سوء استفاده: تنوع الزامات، کلاه سرعت، حسابرسی ورود به سیستم از تصمیمات.
برنامه A/B و لیستی از KPI های هدف با آستانه موفقیت.

شخصی سازی هوش مصنوعی «دشوارتر» نیست، بلکه هوشمندانه تر است: ماموریت ها و وظایف مسابقات با سبک بازیکن سازگار است، اما صادقانه و ایمن باقی می ماند، انتشار گازهای گلخانه ای در بودجه است و قوانین شفاف هستند. خوشه بندی + تمایلات اساس را فراهم می کند، راهزنان متنی صفحه نمایش را بهینه سازی می کنند، RL زنجیره ها را بهبود می بخشد - و همه اینها فقط با محدودیت های واضح، نگهبانان RG و ارتباطات قابل فهم «چگونگی دقیق انتخاب اهداف» کار می کنند.