PA真人战术分析研究组先把四类信息变成同一种语言
阵容、地图、资源、阶段，看上去是四种完全不同的东西：阵容是一组角色，地图是空间，资源是数字，阶段是时间。要让模型一起处理，第一步是把它们都写成特征。阵容可以拆成能力标签，比如控场、位移、持续输出、爆发、保护，以及各角色的强势期；地图可以表示成少量可解释的区域和它们的控制状态，加上视野覆盖与下一个资源点的刷新倒计时；资源包括经济差、装备状态、技能与大招冷却、复活时间；阶段则是前期、中期、后期，或者战术射击里的回合阶段与剩余时间。
这里最容易犯的错误，是把特征堆得过细。每帧的原始坐标固然精确，但同一个位置的含义取决于所在区域和当时的视野，直接输入只会让模型记住几个特定局面。PA真人平台的做法是先用Telemetry（比赛遥测数据）拿到精确状态，再向上抽象成“区域控制”“人数差”“关键技能是否可用”这样的中层特征，让相似的局面在表示上真正靠近。这套表示也是战术依赖比赛状态那篇文章里状态空间的具体实现。
阶段划分：同一个数字在不同阶段意思不同
阶段不是装饰性的标签，它会改变其他特征的解读方式。以下为示意：同样是经济领先 1500，在前期可能意味着已经建立了明显的等级与装备优势，而到了后期，双方核心已经成型，这个差距可能不足以抵消一次失败的团战。同样的道理也适用于回合制的战术射击：回合开始的十秒里，信息几乎为零，任何判断都是概率；回合中段一旦出现接触，位置与人数的重要性会迅速上升；残局阶段，剩余时间和道具更主导选择。
所以阶段划分要考虑两点。一是边界应当来自比赛自身的节点，比如关键目标被夺取、第一次团战爆发、装备成型，而不是简单按时钟切分；二是阶段与特征的交互要被显式建模，让模型知道“同一个数值，在不同阶段的权重不同”。如果只用一个全局模型不加区分，就容易得到看起来平均而实际上哪个阶段都不对的结论。
约束与组合爆炸：先删掉不可能的，再比较剩下的
知道了状态，下一步是列出可选的战术动作：压制某条路线、放弃一个资源点、集中开团、拖延等待。如果把每个角色的每个动作都展开，组合数会迅速膨胀到无法评估。工程上通常用两步来控制：先用约束过滤，再用剪枝排序。
- 硬约束：技能还在冷却、资源不足、队员距离太远无法支援，这些动作在当前状态下不可行，直接删除。
- 相似局面剪枝：在历史局面里检索与当前状态接近的样本，只保留其中出现过、且结果不差的少数几类方案。
- 风险偏好调整：领先时倾向低方差的方案，落后时才把高风险高收益的选择往前排。
这样一来，模型需要比较的不再是成千上万种组合，而是几个真正可行的候选。它们各自的优点与代价，比如“压制右路可以夺得视野，但会让左路空档三十秒”，再由后续环节展开，PA真人会把这些优缺点一并列给教练。这与地图转点的时间线分析可以配合使用：先用多因素判断当前该做什么，再用转点分析检查过去的选择是否合理。
输出形式：条件式建议，而不是唯一答案
多因素模型最大的诱惑，是给出一个看起来很精确的“最优解”。但阵容、地图、资源的组合在现实里样本稀少，越是特殊的局面，越缺乏可靠的历史数据。因此PA真人的设计思路是输出条件式建议：写明适用的状态、建议动作、依据的相似局面数量与置信度、备选方案，以及一旦出现哪些信号就该放弃这条建议。样本太少时，系统应当标注“不确定”，而不是随手给一个推荐。
| 看起来相同 | 实际不同 | 误判风险 |
|---|---|---|
| 同样的阵容与经济差 | 阶段与地图控制不同 | 套用了错误阶段的经验 |
| 模型给出最高胜率方案 | 相似样本只有几局 | 把小样本当成规律 |
| 多个因素分别指向同一方案 | 因素之间高度相关 | 重复计入同一条信息 |
| 补丁前的高频战术 | 数值与机制已改动 | 沿用失效的历史数据 |
什么时候多因素模型会骗你
最后是几处边界，也是PA真人在产品说明里需要写明的地方。第一，因素相互关联：经济领先往往同时意味着地图控制更好、人数更多，模型如果把它们当作独立证据，会高估同一个结论。第二，版本变化：补丁调整了数值或机制，历史特征与结果的对应关系就可能失效，需要按版本分开评估。第三，对手风格会随比赛变化，这一点在战队风格与战术适配里有更多讨论。第四，也是最常被忽视的：模型看到的只是可以表示的部分，教练知道的队员状态、临场沟通与心态，通常并不在特征里。
所以PA真人看重多因素分析的价值，在于把复杂局面拆成可以逐项检查的部分，让教练看到“这条建议依赖哪些因素、哪一项最不确定”，而不是替代教练去做决定。
