使用文本生成互动式世界
本文主要介绍了一个基于知识图谱和神经语言模型的交互式小说生成算法,通过提取常识和主题知识来实现语义连贯、有趣、一致的文本世界,实验结果显示该模型优于规则和人工基准。
Jan, 2020
该论文聚焦于构建基于文本的游戏环境的世界模型,利用知识图谱和自然语言行动生成模型,提升增强学习智能体在该环境下的效率。通过零样本消融实验,表明该方法显著优于现有的文本世界建模技术及其各自贡献的重要性。
Jun, 2021
该研究提供了一个数据集,用于训练能够构建基于知识图谱的交互叙事世界模型的学习代理。数据集包含了 24198 个富自然语言观察和知识图谱之间的映射,以及多个流派的 27 个游戏中的训练数据和 9 个附加的游戏中包含的 7836 项测试集等内容。此外,研究还提供了基于规则、问答和序列学习方法的基线模型以及数据分析。
Jun, 2021
通过在生成的课程上训练,我们教会了目标驱动型智能体在位置化环境中交互行为和语言表达。我们通过在大规模众包幻想文本冒险游戏(LIGHT)中学习,增强了 LIGHT 的功能,并学会了生成额外的小说文本世界和任务,以创建一个渐进式递增难度的课程,以训练智能体达到这样的目标。通过从分布的尾部学习,我们测量该课程的难度,根据最初的训练分布中任务的稀有程度评估其难度 —— 更容易的环境是更有可能在未增强数据集中找到的环境。消融研究表明,从分布的尾部学习的这种方法,可以在从未见过的任务上度量的零 - shot 性能方面,产生显着更高的泛化能力。
Oct, 2021
介绍了一种名为 ScriptWorld 的基于文本的环境,用于教授智能代理关于日常家务事的现实世界常识知识,实验表明,从预训练的语言模型获取的先前知识有助于解决现实文本游戏环境。
Jul, 2023
通过 Word2World 系统,大型语言模型 (LLMs) 可以通过故事无需任何任务特定的微调,创造多样内容并提取信息,设计叙述性和以瓷砖在合适位置创建连贯世界和可玩游戏。
May, 2024
该研究探讨了通过引入一个独立于底层地图生成方法的剧情设施布局设计层来解决游戏地图设计中支持故事的问题,通过引入强化学习(RL)系统,在游戏地图上自动分配具体位置以满足故事中的空间约束,并通过训练和评估 RL 模型,提供基于 RL 的剧情设施布局设计的洞见。
Sep, 2023
TextWorld 是为训练和评估基于强化学习的 RL agents 在基于文本的游戏上而设计的一个 Python 库,该文献使用 TextWorld 构建基于强化学习形式主义的基准游戏,并评估了几个基线代理。
Jun, 2018
本文研究在一个开放式世界的文本冒险游戏中生成叙事的设定,使用游戏状态的图形表示来训练模型,可以消耗和输出基于图形的表示和自然语言描述和动作。通过结合众包和模拟游戏玩法构建一组大量的任务和复杂的动作数据集来构建这样的模型,发现通过在图形上下文和目标上训练可以改善动作叙述模型的一致性,即使在测试时没有图形。这在自动指标和人类评估中都得到了证明。我们计划公开代码、新一组任务和最佳表现模型。
Jan, 2023
本文介绍了利用大型语言模型进行代码生成的方法,以实现在虚拟现实世界中运用生成过程、计算机协助创作游戏和制作静态内容,同时探讨了如何评估和基准测试由生成模型创建的交互体验以及 AI 辅助共同创作在虚拟现实中的挑战。
Nov, 2022