这篇论文介绍了一种名为 Ludii 的通用游戏系统，采用容易理解的高级概念（ludemes）定义游戏，具有通用性，可扩展性、可理解性和高效性等优点，并在 GGP 仓库中的游戏中表现出比 GDL 推理器更高的效率，并与 RBG 系统竞争力相当高，并在质量方面具有各种优势。

May, 2019

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

本文描述了一个支持扩展多模态交互的系统，通过使用大型语言模型 (LLMs) 将用户的英语语句映射到领域特定的代码，我们探索了 LLMs 在上下文敏感性方面捕捉演算发言者意图的程度。

Oct, 2023

该研究使用 Instruction-Driven Game Engine (IDGE) 项目来实现游戏开发的民主化，通过一个大型语言模型（LLM）遵循自由形式的游戏规则并自主生成游戏过程。通过发出简单的自然语言指令创建游戏，该项目大大降低了游戏开发的门槛。研究旨在以下一个状态预测的任务方式来训练 IDGE，通过自动预测玩家操作后的游戏状态。初步进展是在为大家所喜爱的扑克牌游戏开发了 IDGE，这个引擎不仅支持广泛的扑克牌变体，还通过自然语言输入允许规则的高度定制化。此外，它还支持通过最少的样本快速原型设计新游戏，为游戏开发提出了一种新型的创新范式，依赖于最少的提示和数据工程。这项工作为未来基于指令驱动的游戏创作奠定了基础，有可能改变游戏的设计和玩法方式。

Mar, 2024

本文探讨了使用大型语言模型 (LLMs) 生成 Sokoban 游戏关卡的可行性及效果，发现 LLMs 能够生成关卡，且其性能随数据集规模的提高而显著提高。同时，文章也介绍了控制 LLMs 关卡生成器的初步实验结果，并探讨了未来研究的有 promising 的方向。

Feb, 2023

基于近年来大型语言模型 (LLMs) 在游戏设计、开发和研究中的潜力，本文针对与游戏相关的 LLM 的最新研究进行了初步调研，总结了 2022 年至 2024 年初间与 LLMs 和视频游戏相关的 76 篇论文，主要关注游戏人工智能、游戏开发、叙事以及游戏研究和评论，为未来的研究和评论奠定了基础。

Mar, 2024

该研究展示如何使用 LLMs 来生成名为 Metavoidal 的游戏的二维游戏房间，通过人为干预微调的方法，可以从仅 60 个手动设计的房间中生成 37% 的可玩新颖关卡，以适应 Procedural Content Generation（PCG）的全局和局部约束。

May, 2023

提出了一种新的用于马尔可夫决策过程的任务规范语言，其设计旨在改进奖励函数，成为独立于环境的语言。该语言是 LTL 的一种变体，被扩展为概率规范，可以在有限时间内学习逼近。提供了几个小环境，展示了我们的几何 LTL 语言的优势，说明了它如何简单地用于规范标准强化学习任务。

Apr, 2017

对于基于语言模型目标在大规模纯文本数据上进行训练的几种机器学习模型，在许多自然语言理解和生成任务上取得了令人印象深刻的结果。然而，对于语义的许多方面，仅仅通过 “倾听收音机” 是无法学习到的。本文系统地回顾了视觉 + 语言领域中提出的多个任务和模型。利用维特根斯坦的 “语言游戏” 思想，将这些任务分为 3 个不同的类别：1）区分性游戏，2）生成性游戏，和 3）交互式游戏。我们的文献分析提供了证据，表明未来的工作应该专注于重要的交互式游戏，在其中自然语言的交流对于解决关于物体指称和行动计划的不确定性是必要的，而物理体现则是理解场景和事件语义的重要条件。作为总体，这些是发展基于神经模型的扎根意义的关键要求。

Dec, 2023

本研究提出了一种具有突破性的文本命令控制系统，用于能够理解以自由形式表达的自然语言命令的游戏代理，通过使用大型语言模型（LLM）进行代码生成以将自然语言命令解释和转换为基于行为树的行为分支的知识表示，从而促进游戏代理的执行。经过模拟宝可梦游戏的游戏环境中进行的实证验证和多参与者的参与，结果确认该系统具备理解和执行自然语言命令的能力，代表了实时语言交互式游戏代理领域的引人注目进展。

Feb, 2024