最近一场对战
胜利排位赛
M.
RYM.更新于4天前
Steam
JapanC100%
SteamJapanC100%うぬぼれ
Strike a Bison Pose!
MR 1,482#358,437最近 10 场6–4+16最近 20 场10–10+5
胜率
47%
81 胜 · 90 负 · 已存 171 场
排位赛对战
171
已选模式
胜场
81
排位赛
负场
90
排位赛
最高 MR
1,541
M. Bison
排位 MR · M. Bison
本地 159 · 导入 0 · 图表显示 159 · 已存 179 场对战
尚未请求回放
M.RYM.按差值绝对值从大到小排列23 项习惯
| 习惯 | うぬぼれ | 顶尖玩家 | 差异 | 较少顶尖玩家较多 |
|---|---|---|---|---|
| SA3 | 45.3% | 35.2% | +10.2% | |
| SA2 | 12.8% | 21.0% | -8.2% | |
| 斗气前冲（取消） | 37.4% | 30.0% | +7.4% | |
| SA1 | 29.1% | 33.7% | -4.6% | |
| CA | 12.8% | 10.2% | +2.6% | |
| 斗气防御 | 10.8% | 13.4% | -2.5% | |
| 被困版边时间 | 11.10 | 9.85 | +1.25 | |
| 斗气前冲（招架） | 8.0% | 7.2% | +0.8% | |
| 斗气招架 | 1.00 | 1.75 | -0.75 | |
| 斗气技 | 19.4% | 18.7% | +0.6% | |
| 精准招架 | 0.20 | 0.74 | -0.54 | |
| 斗气迸放消耗 | 1.9% | 1.5% | +0.4% | |
| 投技 | 2.10 | 2.42 | -0.32 | |
| 受到投技 | 2.90 | 2.59 | +0.31 | |
| 斗气反攻 | 0.10 | 0.33 | -0.23 | |
| 版边压制 | 12.10 | 11.91 | +0.19 | |
| 拆投 | 0.40 | 0.57 | -0.17 | |
| 受到昏厥 | 0.20 | 0.04 | +0.16 | |
| 惩罚反击命中 | 0.20 | 0.11 | +0.09 | |
| 招架时被投 | 0.30 | 0.26 | +0.04 | |
| 造成昏厥 | 0.10 | 0.07 | +0.03 | |
| 受到惩罚反击 | 0.10 | 0.09 | +0.01 | |
| 斗气迸放 | 0.20 | 0.19 | +0.01 |
从数据到练习
最近100场对战计划
根据此档案的习惯和战绩，生成可在实战中验证的思路。习惯统计涵盖所有角色；所选角色用于确定对照组。
正在检查已保存的对战计划…
使用OpenRouter的免费AI模型分析公开档案统计。计划会保存以供共享和复用。建议是基于统计的假设，并非回放视频分析。已保存的对战计划
保留生成时依据数据和日期的AI计划。展开即可阅读两种视角。
M. Bison · 最近100场
需要改进的地方
找出惩罚反击的原因
受到惩罚反击：档案 0.2 · 参考 0.07
分别回看五次受到和打出的惩罚反击。先区分空挥与被防后留出破绽，再选择练习目标。
试试这样做在训练中重现一个反复出现的场景，检查距离和帧数计量表，再练习更稳妥的选择或确实能命中的反击。
数据依据
- 受到惩罚反击：档案 0.2 · 参考 0.07
让斗气迸放有明确目的
斗气迸放：档案 0.3 · 参考 0.18
回看五次斗气迸放，记录使用场景和结果。保留有效用法，研究反复失败的原因，而不是追求参考平均次数。
试试这样做在不同训练人偶槽位记录斗气迸放与普通攻击，混合播放，练习辨别并选择当前量表状态下可用的应对。
数据依据
- 斗气迸放：档案 0.3 · 参考 0.18
- 斗气迸放消耗：档案 2.2% · 参考 1.4%
追踪位置得失的过程
版边压制：档案 10.2 · 参考 12.04
回看五次被逼到角落的过程。除了最后的脱身尝试，也要找出更早交出空间的决策，并对照成功压制角落的场景。
试试这样做在训练中重现反复出现的位置，比较常用应对与较少露出破绽的替代选择，再观察下一组对战中进入角落的频率。
数据依据
- 版边压制：档案 10.2 · 参考 12.04
- 被困版边时间：档案 12.4 · 参考 9.28
AI根据引用统计选择经过检查的练习方案并排序。习惯涵盖整个档案，角色战绩与近期样本的统计范围不同。这些是供验证的思路，并非已确认的弱点或视频分析。 最近100场比赛的已报告趋势，并非生涯习惯平均值。
数据保存于2026年9月6日 · AI：dots-studio/dots-3-note-preview:free
如何应对这位玩家
把对局战绩当作观察线索
对阵Ryu：40场中获胜14场
较低胜率提示可以研究哪些录像，但不保证选角优势。确认同一种困难场景是否出现在多场比赛中。
试试这样做如果你使用引用的角色，就试一次录像中熟悉的场景。对方应对良好时，放弃原假设，按实际表现调整。
数据依据
- 对阵Ryu：40场中获胜14场
- 对阵Alex：23场中获胜15场
- 对阵Ken：21场中获胜10场
AI根据引用统计选择经过检查的练习方案并排序。习惯涵盖整个档案，角色战绩与近期样本的统计范围不同。这些是供验证的思路，并非已确认的弱点或视频分析。 最近100场比赛的已报告趋势，并非生涯习惯平均值。
数据保存于2026年9月6日 · AI：dots-studio/dots-3-note-preview:free