Игры: fairness matchmaking системы

Ситуация: Жалобы на «несправедливый» matchmaking выросли на 60%. Win rate распределение: 20% игроков имеют >65% win rate, 30% — менее 35%. Идеал — bell curve around 50%.

Competitive shooter с ranked и casual режимами. MMR (matchmaking rating) система на основе Elo. Проблемы: smurfing (опытные на новых аккаунтах), boosting, skill gap в команде.

Доступные данные

• matches: match_id, mode, map, start_time, duration_sec, winner_team
• match_players: match_id, player_id, team, mmr_before, mmr_after, kills, deaths, score
• player_profiles: player_id, account_age_days, total_matches, current_mmr, peak_mmr, reports_received
• matchmaking_queue: queue_id, player_id, entered_at, matched_at, wait_time_sec, mmr_at_queue
• reports: report_id, match_id, reporter_id, reported_id, reason, timestamp

Задачи

• Определить, где MMR система даёт сбой: calibration, convergence, smurfs.
• Рассчитать fairness metrics: predicted vs. actual win rate, skill gap в матчах.
• Предложить smurf detection mechanism и оценить его accuracy.
• Спроектировать улучшенную MM систему с trade-off: fairness vs. queue time.

Все кейсы для подготовки → ← Все кейсы