沉浸式文本游戏与人格分类
利用大型语言模型生成人类般的回复，通过提取故事中的人物特点，引入 NarrativePlay 系统，允许用户在沉浸式环境中扮演虚构角色并与其他角色互动，自动生成故事情境、角色形象和对话，大大提升用户体验。该系统关注用户所选角色视角下从故事中提取的主要情节事件，并在两种类型的故事中进行评估：侦探故事和冒险故事，用户可以通过对话探索世界或改善与故事角色的关系。
Oct, 2023
本文介绍了一个大规模的众包文字冒险游戏作为研究平台，用于研究基于场景的对话。在其中，代理可以感知，表情和行动，同时与其他代理进行对话。我们介绍了在这种情况下训练最先进的生成模型和检索模型的结果。我们展示了除了过去的对话，这些模型还能够有效地使用潜在世界的状态来调整它们的预测，特别是使用本地环境的详细信息，包括位置描述和其中存在的对象（及其可用性）和角色（及其先前的行动），可以更好地预测代理行为和对话。我们分析了在这种设置中成功落地所需的要素，以及每个因素如何与能够成功说话和行动的代理相关。
Mar, 2019
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
通过采用大型语言模型的故事生成能力，我们将生成的故事简化并映射为行动序列，以引导智能体进行想象性游戏，并设计了一个文本冒险游戏来模拟智能体在房屋中进行互动，以评估其是否能成功完成想象性游戏。
Aug, 2023
本文探讨了使用基于深度强化学习的代理人在多个基于文本的游戏中进行学习，并通过策略蒸馏方法扩展其词汇，并将文本游戏用作测试平台以更详细地分析和理解策略蒸馏方法的应用。
May, 2018
该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程，并考虑了多种不同的注入策略，包括知识图谱和输入编码策略的增强，实验结果在 ScienceWorld 文本游戏环境中得到证明。
May, 2023
本文介绍一种采用探索和模仿学习的代理程序，能够在玩基于文本的电脑游戏时表现出最先进的性能。该方法使用 Go-Explore 探索方法以及模仿学习策略去训练模型，实现了更高效的解决文本游戏和更强的泛化能力。
Jan, 2020
Text2Immersion 是一种从文本提示生成高质量 3D 沉浸式场景的优雅方法，可以生成多样化的场景，进一步推动了基于文本的 3D 场景生成。
Dec, 2023