使用字符统计选择 Wordle 的种子词
本文介绍了用概率、统计和信息理论的方法,设计参数化策略来处理 Wordle 等电脑游戏,并探索两个家族参数化策略用于解决 Wordle,并与基准解决方案进行比较得到的结果。
Apr, 2022
描绘了一个简单的单词猜谜游戏的适应性,特别是拉脱维亚版本,分析人们如何根据已揭示的提示形成猜测模式,以及参与者的行为和反应。
Oct, 2022
通过数据分析和机器学习研究 Wordle 的动态,我们发现日期与提交结果数量之间存在相关性,利用 ARIMAX 模型进行数据稳定化预测。我们使用 BP 神经网络预测单词难度,并利用 K-means 聚类对难度进行数值化分类。研究结果提供了基于日期或给定五个字母单词的 Wordle 游戏玩法的预测框架。
Sep, 2023
通过使用 Monte Carlo 和 Markov 模拟 Wordle 游戏猜词过程并结合 Lasso 回归和二次规划计算,加上通过因子分析后的词汇属性变量中的相关因素,通过有序 logistic 回归建立难易程度和词汇属性之间的关系,预测词汇难度分布。
May, 2023
该研究介绍了一种利用大型语言模型(LLM)进行教育目的的土耳其纵横字谜生成器,并提供了两个特殊数据集,其中一个包含超过 18 万个唯一的答案 - 提示对,用于从给定答案生成相关提示,另一个包含超过 3.5 万个包含文本、答案、类别和提示数据的样本,旨在为特定文本和关键词生成特定类别的提示。除了娱乐之外,这个生成器成为一种互动教育工具,提高记忆力、词汇量和问题解决能力。对于土耳其语而言,它是人工智能增强教育的一个显著步骤,将游戏式的参与与学习相结合,在土耳其语中建立了互动、智能学习工具的新标准。
May, 2024
教育性填字游戏的制作利用自然语言处理和机器学习技术生成并验证谜底,其中包括使用 GPT3 和 BERT 模型生成谜底和从文本中提取提示,并通过零 / 少次学习确保质量,研究结果表明该方法能够创建高质量的教育性填字游戏。
Nov, 2023