➡️200 реакций и скидываем для Вас мод. ◀️

Обсудить в чате

💵НЕ НАМ СУДИТЬ, НО МЫ ОБСУДИТЬ

Мододел заработал $4000 на игре, которая ещё не вышла
Пора вливаться в моддинг?

Обсудить в чате

⚠️ Как работает VACnet и почему всё не так однозначно.

Valve уже несколько лет развивает собственную античит-систему на базе машинного обучения — VACnet.
Чтобы понимать, как она работает, давайте коротко разберём схему 👇

1) Есть два пути, откуда приходят жалобы:
🌟Игроки вручную репортят подозрительных пользователей.
🌟VACnet — нейросеть, обученная на телеметрии матчей (поведение, точность, скорость реакции и т.д.), автоматически отмечает возможных читеров.

Оба источника формируют кейсы — набор подозрительных эпизодов для проверки.

2) Специальный сервер Valve отбирает и приоритизирует кейсы, решая, какие реплеи отправить на проверку игрокам-инспекторам (Overwatch reviewers).

3) Выбранные игроки просматривают реплей и решают:
🌟есть ли подозрительное поведение,
🌟и если да — какой тип (аим, уоллхак и т.п.).

4) Вердиктыч
🌟Если большинство считает, что игрок виновен — он получает бан.
🌟Если нет — кейс закрывается без наказания.

Если кто-то играл в CS:GO/CS2, то они понимают, о чем идет речь.

🤩 Теперь наши собственные догадки, без теорий посторонних людей.

Недавний коммит в репозитории игры добавил десятки новых телеметрических полей: скорость, участие в событиях, экономика, время жизни, вклад в команду и т.д.
На поверхности это похоже на интеграцию VACnet или Steam Learn, но есть и другая версия — Valve может использовать эти данные для улучшения матчмейкинга.

Разработчики уже неоднократно читали темы на форуме вроде “Bad Matchmaking” и “Hero Gameplay”, так что вполне вероятно, что теперь идёт сбор статистики для обучения моделей подбора игроков — чтобы подбор стал честнее и качественнее.

Эта версия куда реалистичнее, если отталкиваться от действий и направленности разработчиков за последнее время. Скорее всего, уже совсем скоро нас будет ожидать обновленный ММ...

Обсудить в чате