久疏战阵的人会输掉复出战。球迷这么说，解说也这么说，乍一看数字也同意。

样本为17,963场：双方在当时都已积累了足够的评分战绩，并且比赛分出了胜负。平局608场、双方评分完全相同的14场已被剔除。下表统计的是从选手一侧看到的35,594行，一场比赛会按两个角各出现一次。行数不是场数。

间隔短时为52.0%（8,710行）。长期空缺后为33.9%（882行）。落差18.1个百分点，与人人口中的说法严丝合缝。

看看这些休息过的人在跟谁打。下面是自己的评分减去对手评分的平均值。

间隔短时为+27.3，略高一点。长期空缺后为-163.5。符号不只是翻转，而且移动了很长一段距离。停赛两年后回来的人，在那个时刻被评得远低于对面的人。他输不是因为休息过，而是因为那一晚他就是更弱的一方。

那就同等对同等地比。下面每行是一场比赛：只取赛前评分更高的那一侧，再按这一侧是否刚结束休息来分开。

从64.2%（4,598场）到55.4%（289场）。原本18.1个百分点的落差缩到8.8个百分点。原始数字的绝大部分，由这些人是谁、跟谁打解释掉了。但仍然剩下一些东西。

剩下的8.8个百分点出现在哪里？把同一批比赛分成接近的和差距大的。

接近的比赛里跌得很明显，从53.5%到41.1%。差距大的比赛里从74.6%到72.0%，几乎不动。差距大的一方即便迟钝也照样赢下来。不过最长那一档在接近的一侧只有56场，这一格应当读作未经检验。

如果锈是累积的，休息越久就应当单调地更差。切得更细看看，只看评分占优的一方。

前三档在下降。之后是55.3%、56.2%、57.5%、53.7%，上下起伏。而且只有315场和127场这么薄。这不是一条斜坡。

到这里为止看的都是胜率。还有另一种看法：把结果与本站自己在赛前给出的胜率预测相比。如果预测站得住，说明评分已经知道这段休息。

间隔短时+0.8个百分点。间隔长了是-5.7，再长是-7.2。预测高于实际发生的结果。

这是不是模型平常的波动？把同一批行按与休息无关的标准随机分成两半，两半分别是+0.2（17,922行）和-0.1（17,672行），相差0.3个百分点。而各休息档之间相差8.8个百分点，约为29倍。改变起始年份与最低场次的六种组合下，最长那一档始终在-7.2到-12.0之间，符号一次也没有翻转。

这套评分会在没有比赛的期间让自己的把握度下降。久未出战的人回到一个评分不愿下判断的状态，而把握度一降，预测就向五五开靠拢。

也就是说，模型当时在说它不知道了。现实给出的答案不同。他不是变得无法判断，而是真的变弱了。

不确定与衰退并不指向同一个方向。前者把预测拉向中间，后者把结果拉向一侧。这套评分只有前者，因此会系统性地高估复出的选手。这正是本文最想说的一点。

两者容易混淆，所以说清楚：胜率和偏离预测的幅度是两个不同的量。

胜率在长档看起来不再下跌，是因为那里只看了评分占优的一方。停赛两年后仍被评得高于对手的选手，本身就是一个特殊群体。而偏离幅度是在全部行上测的，并且继续扩大。一个持平、一个下行，这不是矛盾，只是在数不同的东西。

剩下的差距不能叫拳台锈。这里没有测年龄，没有测伤病，也没有测级别变动。停赛数年的人就老了那么多年，往往是术后复出，有时还换了级别。上面这些是它们的总和，不是拆分。

最长那一档在每张表里都很薄：评分占优一侧289场，六种设定中最严格的一种为152场。薄不到改变数量级，也厚不到可以相信小数点后第一位。

最后留一条使用上的提醒。当你在本站看到一位长期缺阵选手的评分时，请把那个数字当作偏宽松的。模型把休息换算成不确定，而现实给出的答案是衰退。在测得的范围内，最长那一档的预测比实际高出7.2个百分点，把显示的数值按这个幅度往下读会更稳妥。

本文数值基于 2026年9月23日 的数据。数据每周更新，因此末位数字可能与最新统计不同。