Riot bertujuan untuk menangani sekitar 3 miliar laporan pemain tahunan di League, VALORANT, dan Wild Rift dengan deteksi otomatis dan pembelajaran mesin

Tim Player Dynamics di Riot Games menangani sejumlah laporan pemain dalam game yang cabul, tetapi pengembang berencana untuk menerapkan beberapa metode evaluasi baru di seluruh judul utama mereka untuk mengurangi jumlah penyalahgunaan obrolan dan toksisitas dalam game, terutama di antara pengulangan pelanggar.

Dalam pembaruan 29 Agustus di Player Dynamics, Riot mengatakan bahwa pada tahun 2021, rata-rata sekitar 240 juta laporan di seluruh katalog gamenya, menghasilkan total tahunan di bawah angka 3 miliar. Menurut perkiraannya sendiri, jika setiap karyawan Riot menghabiskan 365 hari setahun hanya untuk meninjau laporan, setiap orang perlu meninjau “sekitar enam laporan per menit untuk mengikutinya.”

Menyelesaikan laporan bukanlah proses yang mudah, menurut tim Player Dynamics, yang secara eksklusif berfokus pada peningkatan pengalaman pemain dan mengurangi yang berbahaya. Banyak pemain membuat laporan untuk perilaku yang tidak pantas mendapatkan hukuman, dan yang lain akan mengirimkan laporan “sengaja jahat”. Selain itu, perilaku seperti pemberian makan dan trolling yang disengaja jauh lebih sulit untuk dideteksi daripada penyalahgunaan teks/obrolan suara yang jelas dan perilaku AFK.

Tetapi metode dan sistem penalti Riot berjalan dengan baik. Riot melaporkan bahwa dari semua pemain yang menerima laporan pada tahun 2021, kurang dari 10 persen dari mereka menerima laporan lain dalam tahun kalender.

Dengan data yang diterima selama beberapa tahun terakhir, tim Player Dynamics di Riot telah mampu mengembangkan beberapa cara baru untuk mengevaluasi perilaku pemain. Evaluasi suara otomatis diatur untuk ditambahkan ke VALORANT akhir tahun ini, dengan setiap laporan yang diterimanya diatur untuk meningkatkan kemampuannya dalam mendeteksi komunikasi suara yang mengganggu. Investasi dalam pembelajaran mesin dan penambahan dukungan multi-bahasa harus meningkatkan evaluasi teks otomatis, dan tim juga memperluas daftar kata tanpa toleransi.

Tim Player Dynamics bahkan berupaya lebih keras untuk menargetkan pelanggar berulang, pelanggar berbasis obrolan, pengumpan, AFKer, dan pelempar, sambil juga mengeksplorasi opsi yang memungkinkan mereka untuk menghukum pelanggar secara real time.

Banyak dari solusi dan fitur ini harus diluncurkan tahun depan.

Jangan lupa kunjungi top up domino murah 2k