各位好，这里还是那个投入大几千后只能走训练流路线的新手，我又来更新了。

先讲核心观点，我觉得后续训练流pg位置上，最适合的人选不该锁定真崎或白神，而应该考虑腾松。同时我整理了一套判断公式，未来训练流具体带谁，可根据自身培养状态代入公式，算出谁带来的最终提升更高就选择谁。

现阶段节点，训练流暂时不建议使用白神（05.23留）

下面进入正文：

上一版训练流内容里，我表达过一个判断，即pg位上，白神的持续作用与增益效果，比在大数字下提供25%加值的真崎更实用。这个看法在和官方2群玩家讨论时，被另一位训练流高手提出了不同意见，他认为真崎更接近独立乘区，而不是在倍率上做简单加法，因为实际体验中真崎带来的数值高于白神。

这里先真诚感谢李青竹大佬，他是在官方群里仍坚持训练流、并给本篇攻略配合测试的玩家，谢谢你的投入和包容。本篇攻略的很多现象，都是李青竹大佬最先指出来的。

好，继续正文，先简要展示白神和真崎的技能：

只看技能说明，真崎像是在表情爆发时把原本528%的倍率再+25%，变成550%多这样的加值。但青竹大佬不认可这个判断，并说自己表情大爆发的数字是700多，而我的爆发数字是600多。（据了解目前极限能达到800多倍率）于是当时我粗略对了一下数值，最终倍率差距大约有15%，这虽不等于完整的25%独立乘区，但也绝非简单的相加逻辑。

这样一来，真崎在刷新上限，也就是尽量保持表情一致训练时，最终提供的收益确实可能非常夸张，甚至超过白神。

此时我意识到，以前在雨乃和野上之间的取舍，和这次白神真崎的问题非常相似。说白了，训练流的乘区和加值过于复杂，如果培养存在短板、底层数值偏低，单纯堆倍率也很难转化成足够多的属性。在这种阶段，白神、野上这类即使不依赖本体系也能提供可观数值的球员，会显得比训练流球员更强。不过要清楚，正因为它们不属于训练流体系，无法吃到体系内部加成，随着训练流自身培养提升，固定收益迟早会被体系内球员的数值成长超过。

后来青竹大佬提出一个更强的猜想，他实测时感到腾松很多时候提供的收益比闪堂更亮眼。

但这张技能如果只看文本，确实像很纯粹的独立乘区。由此我又冒出一种判断，在真崎给最终收益提供15%左右提升时，如果腾松属于25%的独立乘区加值，那么错位培养下是不是能直接压过真崎和白神。

随后青竹大佬拿腾松做了测试，而我也重新拆解训练流的具体公式，从中找到真崎不是简单加值、却又没有完整 25% 独立乘区的原因。

直接说结果：

1.从当前判断看，腾松是对训练数值直接提升，并不直接体现为最终倍率。

2. 训练流大致收益公式可写成如下形式，必然存在遗漏，也欢迎高手补充修正。

（训练等级带来的基础数值 + 器材给到的加值 + 潜在的数值加成，例如雨乃的数值和扭蛋等）*（1+训练加成百分比，也就是许多球员的2命以及腾松的加值）*（1+器材暴击加成）*（1+ 每名球员的（表情本身加值+表情bonus，也就是望月的那个加成）求和） *（表情不一致为1，表情一致时候的爆率，例如1.8,2.0,2.4这类+真崎的加值）* ……

……代表以后可能出现的新机制独立乘区。

由于尚不清楚是否存在更多机制影响，但大体上，训练流几名角色的收益都可以纳入这套公式。按照这个逻辑，谁所在乘区的基数较小、自身在对应乘区中的占比越大，就越值得优先上阵。

其中有两个作为上限追求必须保留的机制球员，基本都得携带，一个是闪堂，一个是希雅：

其余角色的定位，本质上都可以放进公式寻找最优解。按上面这套算法看，训练流 pg 位当前可能最适合腾松。原因是当整体数值接近时，腾松的加值所在乘区基数偏小，被稀释程度较低。只不过腾松需要错位，这会让最后一战压力变大；对底层数值不高的玩家而言，甚至可能提前崩盘，所以它更适合具备一定强度的玩家选择。

再看未来走向，我认为当整体强度足够、能够承担错位培养代价后，可能最先被替换掉的训练流球员会是雨乃。原因在于雨乃提供的是固定属性加值，而后续器材和新增机制会持续提升基础数值，雨乃这类固定收益就会逐渐显得尴尬。此前也有人形容，雨乃相当于半个主属性训练扭蛋。

以后训练流的搭配思路，可以直接套公式，根据自己已有培养，在核心机制之外挑选对最终数值提升更高的球员。如果手动算起来麻烦，也没关系，把大致数字交给ai，让ai帮你判断最后一张该带谁。

同样的收益分析思路，扭蛋流和商店流也适用。训练流的公式本质是在处理精力转属性，而扭蛋流和商店流则是在处理效费比，也就是把花费转换成属性。由于这两套目前乘区没那么复杂，同时基础数值很高，更容易算出怎样用1块钱换到更多属性。这个逻辑也能解释和泉在扭蛋流和训练流强度差异：在训练流里，1块钱不一定能直接换出1块钱的属性，更多时候要先把预算转给精力；但在扭蛋流中，1块钱也许能换出2-3甚至4点属性，这就是完全不同的概念了。

欢迎大家继续交流，也再次感谢青竹大佬协助。

最后用我这把比较舒服的训练流成绩收尾：