V社推出Steam实验室：微型宣传片、交互式推荐模型以及自动展示
都是AI自动生成的
本文系用户投稿，不代表机核网观点
V社于近日表示，在 Steam 的幕后，他们以“皮博迪推荐模型”和“用摩尔斯电码整理您的 Steam 库”等为代号，制作了许多实验性功能。现在他们向所有玩家隆重推出 Steam 实验室，玩家可以在这里与这些功能进行互动，并欢迎所有玩家提供宝贵意见。在推出实验室的同时，V社选择了三个首推实验向大家开放， 这些实验都旨在帮助大家找到自己喜欢的游戏，以下是三个推出的实验：
微型宣传片是精心制作、时长 6 秒的游戏宣传片，全都显示在同一页面上，让玩家一目了然。 V社已经为冒险游戏、角色扮演、营建类等游戏制作了微型宣传片合集。
交互式推荐模型通过查看玩家常玩的游戏，并使用机器学习向您推荐它认为玩家会喜欢的其他游戏。 玩家可以查看最近十年发布的最热门游戏，也可以寻找过去六个月发行的小众游戏中的璞玉。
V社表示，Steam 的优势之一就是提供规模各异的开发团队开发的海量精彩游戏，覆盖了几乎所有类型。 有这么多精彩内容可供选择，同时V社也听到用户反馈，希望有更好的工具帮助大家找到自己喜欢的游戏。 虽然现有的比如按标签进行搜索的商店功能也很有帮助，但V社认为可以做得更好——因此他们通过充分利用机器学习的威力，根据玩家各自的游玩模式，开发出了一套可以向每位玩家个性化推荐的系统，这一系统将机器学习与实时控件进行结合以调整搜索结果，从而使推荐模型成为一个有趣且威力强大的工具，用来在 Steam 上找到玩家喜欢的游戏。
据悉，这一全新推荐模型的基础是一个神经网络模型，经训练后可以根据用户的游玩时间历史及其他显著数据推荐游戏。 V社用来自数以百万计的 Steam 用户及数以亿计的游戏会话数据对该模型进行训练，所获得的结果非常可靠，捕捉了不同游玩模式的细微差别，并涵盖了我们所有的游戏。 模型已经参数化，因此可以将输出结果限制在某一特定时间段内发行的游戏，还可以调整偏向更热门或更冷门的游戏。 参数对用户公开，玩家可以选择只在结果中查看近期发行的游戏，或是包含从十年前到现在发行的所有游戏。 同样的，玩家还可以选择只查看主流热门游戏，或是在游戏目录中深挖心头所好。 无论滑块如何设置，搜索结果始终充满个性，只与单个用户相关。
自动展示是一段时长半小时的视频，介绍 Steam 近期推出的产品。 玩家可以一边工作，一边在另一个显示器观看；或者专注地认真欣赏，感受成百上千款游戏扑面而来。
