HolidayOugi/pokemon-showdown-replays

Pokémon Showdown对战回放数据集，包含多个世代的对战数据，从2005年到2025年，适用于各种未来项目。

Pokémon Showdown Replay Datasets, containing battle replays from various generations ranging from 2005 to 2025, suitable for future projects.

搜集汇总

数据集介绍

构建方式

在宝可梦对战研究领域，高质量的对局回放数据是分析战术演化与训练人工智能模型的重要基石。该数据集通过调用Pokémon Showdown官方应用程序接口（API），系统性地采集了自2005年至2026年间公开的对局回放记录。数据覆盖从第一世代至第九世代的全部主流对战格式，包括OverUsed（OU）、UnderUsed（UU）、Random Battle等五十余种分级与特殊规则模式。每个回放均经过初步筛选以剔除无效记录，最终汇聚成超过三千二百万场对局的庞大规模，为研究者提供了跨越二十余年时空的对战行为全景。

特点

该数据集的核心特征在于其无与伦比的时空广度与格式多样性。时间跨度从2005年延续至2026年，完整覆盖了宝可梦对战环境从早期世代到最新版本的演变历程。格式上，不仅囊括了OU、UU、VGC等标准分级，还收录了Random Battle、Monotype、Balanced Hackmons等娱乐性模式，以及National Dex、Champions系列等特殊规则分级。这种多维度覆盖使得研究者能够横向比较不同规则下的策略差异，纵向追踪特定环境下的战术变迁，为对战分析、元游戏研究及强化学习模型训练提供了极为丰富的样本基础。

使用方法

该数据集以HuggingFace平台上的标准格式发布，用户可通过datasets库直接加载使用。典型应用场景包括：基于对局日志的特征提取与建模，用于分析宝可梦使用率、队伍构成及胜率统计；训练序列预测模型以模拟玩家决策过程；以及作为强化学习环境中的对战回放数据库，用于智能体的离线训练与评估。数据按世代与格式分类存储，用户可根据研究需求灵活选择子集，例如聚焦第九世代OU分级的对局以分析当前环境，或跨世代对比同一格式的演变趋势。

背景与挑战

背景概述

在电子竞技与人工智能交叉研究领域，对战类游戏因其复杂的策略空间与实时决策需求，成为强化学习与博弈论研究的重要试验场。Pokémon Showdown作为全球最活跃的宝可梦对战模拟平台，积累了海量高质量的对战回放数据。HolidayOugi团队于2026年发布的Pokémon Showdown Replays数据集，系统性地收集了从2005年至2026年间涵盖九代宝可梦、五十余种对战规则（如OU、UBERS、VGC等）的超过3200万场对战记录，数据总量达百万级规模。该数据集依托Pokémon Showdown官方API构建，旨在为策略分析、队伍构建优化及智能对战代理训练提供标准化基准，其跨世代、多规则的特性为研究环境动态变化下的元策略演化提供了前所未有的数据支撑，显著推动了宝可梦对战领域的数据驱动研究进程。

当前挑战

该数据集面临的核心挑战体现在领域问题与构建过程两个层面。在领域问题方面，宝可梦对战涉及复杂的队伍组合、先读预测与概率性技能效果，传统监督学习难以捕捉高阶策略交互，而强化学习面临稀疏奖励与状态空间爆炸的困境，亟需开发能融合回合制博弈与长时序依赖的新型算法。在构建过程中，数据采集存在显著瓶颈：API调用受限导致回放获取不完整，部分历史世代（如Gen1-3）数据量稀少，且约0.3%的无效回放需通过格式校验与对战日志解析剔除；此外，不同规则下数据分布极不均衡（如OU格式占比超30%而VGC早期世代不足千场），需设计鲁棒的跨领域迁移学习策略以缓解数据偏差问题。

常用场景

经典使用场景

Pokémon Showdown Replays数据集汇聚了来自宝可梦对战模拟平台Showdown的逾三千万场公开对战录像，横跨从第一世代至第九世代的数十种对战规则，涵盖OU、UBERS、VGC等主流分级以及Random Battle等趣味模式。该数据集最经典的使用场景在于为宝可梦对战策略分析提供大规模、多格式的真实对局样本，研究者可据此挖掘精灵使用率、队伍构建趋势、技能搭配偏好以及回合级决策模式，从而揭示游戏环境随世代更迭的演化规律。

衍生相关工作

该数据集直接催生了多项经典研究工作，其中最具代表性的是基于序列建模的对局预测任务，研究者利用Transformer或LSTM架构从回合级动作序列中学习决策规律，实现了对玩家后续操作的高精度预测。另一重要方向是队伍构建优化，通过图神经网络分析精灵间的协同与克制关系，自动生成高胜率队伍组合。此外，该数据集还被用于强化学习环境中的智能体训练，推动在随机对战等复杂场景下实现超人水平的游戏表现，相关成果多次发表于人工智能与游戏研究领域的顶级会议。

数据集最近研究

最新研究方向

该数据集汇集了自2005年至2026年间超过3200万场宝可梦Showdown公开对战回放，覆盖从第一世代至第九世代的几乎所有主流与特殊规则格式，为宝可梦对战策略分析、元游戏演化追踪及人工智能对战决策研究提供了前所未有的海量真实对局样本。当前前沿研究方向聚焦于利用大规模回放数据训练深度强化学习模型，以模拟和超越人类顶尖玩家的战术选择，同时探索基于历史对局的队伍构建优化算法。此外，数据集在VGC官方赛事回放（如2024至2026年）的丰富积累，使其成为分析环境变迁与热门宝可梦使用率动态的权威资源，对推动电子竞技数据科学和游戏AI的跨学科发展具有深远意义。