PKHeX项目中的Gen4 HGSS狩猎地带与口袋计步器合法性检查问题解析
2025-06-16 02:05:31作者:昌雅子Ethen
背景介绍
在Pokémon游戏数据管理工具PKHeX中,近期发现了一个关于第四世代《心金/魂银》(HGSS)版本中狩猎地带(Safari Zone)和口袋计步器(Pokewalker)获取的宝可梦合法性检查存在误判的问题。这个问题主要影响了通过特定RNG(随机数生成)操作获得的宝可梦的合法性验证。
问题现象
用户报告了三种被错误标记为不合法的宝可梦案例:
- 狩猎地带获取的Rhydon:通过RNG操作在具有可爱魅力特性(Cute Charm Glitch)的存档中获得,被错误标记为非法
- 口袋计步器获取的Magby和Cleffa:同样通过RNG操作获得,被错误标记为非法
- 随机从口袋计步器获取的Magby:非RNG操作获得,但仍被错误标记为非法
技术分析
狩猎地带问题
PKHeX的数据库中缺少Rhydon在狩猎地带第5槽位的遭遇记录,只有Rhyhorn的记录。这导致当游戏实际生成Rhydon时,合法性检查无法找到匹配的遭遇记录而误判为非法。
口袋计步器问题
PKHeX对口袋计步器宝可梦的合法性检查存在多个问题:
-
初始种子生成逻辑:代码中描述的初始种子生成条件与实际游戏逻辑相反。正确的逻辑应该是:
- 当玩家开始漫步(stroll)时,基于当天经过的秒数(<86400)生成初始种子
- 否则,基于启动时的日期和时间生成初始种子(类似于Gen4的初始种子生成方式)
-
漫步相关RNG机制:
- 开始漫步后,游戏会生成3只宝可梦供遇见,这些结果与关联性无关
- 漫步会导致3次RNG推进,初始种子[漫步]可以推进3+(2n)次,或[非漫步]推进0+(2n)次
-
遭遇槽位顺序:PKHeX中存储的口袋计步器遭遇槽位顺序与游戏实际使用的顺序相反。游戏代码使用
rand() & 1 == 0来选择索引,导致实际顺序与ROM/PKHeX中的顺序相反。 -
合法性检查过度严格:代码不必要地检查了漫步生成的槽位是否匹配,而实际上这种检查对于合法性验证是不必要的。
解决方案
开发者对PKHeX进行了以下修正:
- 移除不必要的遭遇槽位检查:不再检查漫步生成的宝可梦是否匹配特定槽位
- 修正初始种子生成逻辑:确保与游戏实际行为一致
- 改进RNG种子显示:现在会显示IVs的RNG种子以及种子类型和之前需要捕获的宝可梦数量
技术细节补充
口袋计步器宝可梦的生成涉及复杂的RNG机制:
-
种子生成:
- 漫步种子:3600 * 小时 + 60 * 分钟 + 秒
- 非漫步种子:(((月*日 + 分钟 + 秒) & 0xff) << 24) | (小时 << 16) | (年)
-
RNG推进:
- 漫步种子在奇数次推进时使用(3,5,7,9,...)
- 非漫步种子在偶数次推进时使用
-
IV生成:游戏通过调用rand()两次来生成每只宝可梦的IVs
区域限制说明
值得注意的是,口袋计步器课程本身可能有区域限制,但宝可梦的接收没有区域限制。玩家可以从不同区域的游戏链接的口袋计步器接收宝可梦,这使得区域检查在合法性验证中不必要。
结论
通过对PKHeX中Gen4 HGSS狩猎地带和口袋计步器合法性检查逻辑的修正,现在能够正确识别通过RNG操作合法获得的宝可梦。这一改进不仅解决了误报问题,还通过显示更多RNG相关信息提高了工具的透明度和实用性。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322