1
选择被 Ban 的 3 名求生者
1待选择
2待选择
3待选择
没有找到匹配的求生者
本局地图 可选开启「地图纳入模型」后，选择地图会让预测更精准（当前为样本数据收集积累阶段，模型预测并不完全正确，请多担待）
小地图
大地图
2
监管者出场概率 Top 5
监管者刀型倾向
–% 单刀
–% 双刀
依据：各 ban 位求生者的单刀区分度
🏷️ 标星监管 = 你这套 ban 位组合在已审核历史中出现过的监管。⭐⭐ 表示它还出现在相同地图的同一 ban 位组合里（需已选择地图）；⭐ 表示仅同 ban 位（跨地图）。按历史出现次数取前 5 展示，下方「历史相同 ban 位常遇监管」区块列出其出现次数。其余排名由知识库 + 实战经验权重正常计算。
AI 概率判断
由 JEV 决策模型基于规则层 + 实战数据 + 历史命中加权判断（只给概率，不生成文字）
AI 本局监管分析
由 Agnes AI 基于上方概率数据生成（这个 AI 比较蠢，仅供参考）
3
回填真实结果
这局实际遇到的监管者是谁？提交真实结果能让概率模型不断校准 —— 经审核后，「这套 ban 位 → 实际监管者」会作为真实样本进入贝叶斯修正，大家每多提交一次，算得就更准一次。 本局地图沿用上方选择，无需重复填写。
概率是怎么算出来的？
- 知识库匹配：每名监管者有若干套常见 ban 位套路（每套 3 人，带权重）。把你选的 3 人与每套对比，命中 3 人记 1.0、命中 2 人记 0.55、命中 1 人记 0.18 —— 非线性打分让「完全对上套路」的监管者明显甩开只蹭到一两个的。
- 多套路叠加：监管者得分 = 最佳套路分 + 0.15 × 其余套路分之和，一个监管者的多套路都沾边时会被适度加成。
- 实战反馈修正：历史反馈里 ban 位与你完全相同的样本权重 1.0，重合 2 人 0.35，重合 1 人 0.08，汇总成经验概率。其中同组合最常出现的那名监管会被打 ⭐ 并适度顶权（其历史出现占比越高、越集中，顶得越狠），并在结果中给出「同 ban 位历史最常出现：X（占 Y%）」的依据。
- 贝叶斯收缩融合：λ = n /(n + 4)，最终概率 = (1-λ) × 知识库概率 + λ × 经验概率。样本少时以知识库为准，样本积累后自动向真实战绩靠拢。
- 最后归一化成百分比并取前 5 名。