gamecore app logo
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

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

ytytytytytyt
ytytytytytyt2019-07-12发布于新闻
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。

I