通过证明了一般理论来找到最优猜测游戏策略的方法，并通过 Wordle 程序为例进行具体结果的展示。
May, 2023
介绍了 Wordle 在线文字游戏，提供两种选择初始单词的方法及人类玩家可以使用的强化学习框架，从而优化其获胜几率。
Feb, 2022
Wordle 玩家的猜测、作弊和影响的研究提供了有力的定量证据。
Sep, 2023
该研究使用五字母单词的字符统计学信息，确定了最佳的三个起始单词，以便解决每日的 Wordle 游戏。
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。
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。
本文利用新的增强学习方法解决了流行的 Wordle 谜题，这种方法广泛适用于动态系统的自适应控制和部分可观察马尔科夫决策过程（POMDP）问题的类别，并且优于多种启发式方法；该方法可提供逼近值空间和 rollout 方法的直接实现，并在较低计算成本下，提供接近最优的在线解决策略。本研究方法适用于更复杂的 Wordle 和相关搜索问题，并可应用于估算在线参数的未知或频繁变化的环境中的宽范围自适应顺序决策问题。
Nov, 2022
该研究提出将填字游戏作为新的自然语言理解任务，并公开发布了从纽约时报跨越 25 年的近九千个填字游戏的语料库规范，以及包含超过半百万个独特线索 - 答案对的开放域问答数据集，并探讨了多种处理方法及评价框架。
May, 2022
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