使用长短时记忆循环神经网络（LSTMs）训练超级马里奥兄弟关卡库，利用机器学习生成关卡的方法及其相关研究进行了分析。

Mar, 2016

本文提出了一种无监督融合不同游戏概念生成新的计算机游戏关卡的方法，主要贡献在于引入类比推理过程，以构建从游戏视频中学习的不同层级设计模型之间的融合模型，并通过证明在超级马里奥兄弟游戏中表现出的风格化水平设计知识的方式，演示了我们的系统说明了由人类专家设计者融合的游戏关卡。

Mar, 2016

本文介绍一个 fine-tuned GPT2 模型 MarioGPT，它能够生成多样的游戏地图，实现可控制的 PCG。结合 Novelty search，该模型能够生成具有不同游戏动态特点的多样化地图，开创了文本 - 游戏地图的先河。

Feb, 2023

通过利用人类注释的游戏玩法视频，实现一种多重尾部框架，该框架学习执行同时水平转换和生成的任务，具有在 Level 传输中提高总体性能的潜力，并展示未来版本泛化到未见过游戏的可能性。

Jun, 2023

近期，大型语言模型的出现为过程性内容生成带来了新的机遇。这篇论文探讨了通过大型语言模型生成游戏的可能性，提出了一种基于视频游戏描述语言的大型语言模型框架，可以同时生成游戏规则和关卡。实验结果展示了这个框架如何根据不同的上下文进行生成，为过程性内容生成领域中的新游戏生成提供了新的见解。

Apr, 2024

该研究提出并比较了一种优化超级马里奥兄弟（SMB）环境的新方法，其中控制分为遗传算法（MarioGA）和神经进化（MarioNE）两种方法，通过学习使用这些技术进行游戏并优化一系列约束，包括收集硬币和完成关卡，从而提供了一种高效完成 SMB 关卡的方法。

Dec, 2023

使用品质多样性算法对生成对抗网络中的潜空间进行有效探索，进而提取游戏级别，并展示如何在保持风格相似性的情况下提取具有不同级别机制的高质量级别。

Jul, 2020

本论文使用对抗生成网络 (GANs) 和协方差矩阵自适应进化策略 (CMA-ES) 生成了大量类似原始语料库中的 Super Mario Bros 的电子游戏层级，并使用各种适应性函数发现了专家所设计示例空间内存在的层级，并引导搜索满足一个或多个指定目标的层级。

May, 2018

本文研究了关卡分段的生成方法，提出了一种使用马尔科夫链和树搜索算法的关卡分段链接方法，该方法可满足设计师的定制需求并保证游戏级别的可完成性和不中断的游戏结构。

Mar, 2022

本文介绍了一种使用 VAE 训练生成游戏关卡的方法，通过学习一种顺序模型生成末端关卡来生成长度任意的关卡。同时，该方法还可以将来自不同游戏的关卡隐式混合在一起，相比先前的潜变量方法，所生成的关卡更加连贯且有逻辑。

Jul, 2020