长期以来，我们的 ELO 系统遵循传统方式：根据胜负及双方等级分之差，调整玩家等级分。
这种方式通常有效，却未必能反映比赛中的实际情况。表现出色后惜败，几乎会被视为完全失败；依靠记忆、专注和策略取得的胜利，得到的奖励又与勉强获胜相同。
我们推出了一次重要更新，更好地支持记忆练习与技巧成长。
为什么修改公式
传统 ELO 考虑你的等级分、对手等级分和胜负，却忽略了出色表现、严重失误、超时、大比分获胜，以及整场对局中的发挥。我们希望等级分更能体现实际表现。
新的混合 ELO 公式
经典 ELO 仍然是基础。期望得分使用标准公式：
期望得分 = 1 / (1 + 10^((对手等级分 - 玩家等级分) / 400))
这会根据等级分之差给出获胜概率。随后计算经典变化量：
ELO 变化量 = K × (实际得分 - 期望得分)
胜利记为 1，失败记为 0。这部分保持不变。
加入表现调整
我们在经典 ELO 上加入表现修正值，奖励好的发挥，并对明显失误施加惩罚。
正向表现因素
奖励适用于特别出色的成就：赢得 16er、赢得 24er，以及获得四分并赢得最后一墩。这些结果体现了突出的表现。
负向表现因素
失误、超时，以及让对手取得重要成就，都会带来惩罚。系统由此区分表现不错的失败、糟糕的失败、强势获胜和侥幸获胜。
输了也能体现好的表现
玩家即使输掉比赛，也可以获得表现奖励。我们希望鼓励学习、良好决策、更好的记忆和策略。表现不错但落败的玩家，不应该被视为不断犯错的人。这样能让系统更有激励性，也更准确。
超时很重要
多人对局中的时间管理也是技巧的一部分。超时往往意味着注意力分散、记忆出现遗漏或决策过慢，因此是系统中较重的惩罚因素之一。
不过，相比早期实验版本，我们有意降低了超时惩罚，避免对偶发失误处罚过重。
动态 K 系数
| 等级分区间 | K 系数 |
|---|---|
| 低于 1200 | 40 |
| 1200–1799 | 32 |
| 1800–2199 | 24 |
| 2200 及以上 | 16 |
新玩家的等级分变化更快，经验丰富的玩家更加稳定，而较高水平玩家的波动更小。
完整透明度
最大的变化或许是透明度。我们最近推出了 ELO 解析工具，可以检查等级分变化的具体计算过程。
它展示期望得分、K 系数选择、奖励与惩罚计算、表现修正值、最终 ELO 变化、公式检查和长期预测。没有隐藏计算；每一步都可以查看和核对。
接下来的计划
当前公式提供了更贴近实际的等级分变化，但改进会持续进行。后续可能加入更多表现指标、大样本玩家统计验证、公式版本管理、预测模拟，以及根据社区反馈进行的调整。
我们的目标是更准确地奖励技巧、记忆、稳定发挥和策略。我们会继续观察结果，并根据实际对局数据完善系统。
牌桌上见！
——Seven 团队