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
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
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
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
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。
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。
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 Wikipedia 生成词汇测试，评估参与者的母语能力，可以在不同语言文化背景下了解文化、认知和语言的视角，通过六项行为实验测试结果表明，这个测试可以区分母语相近的语言，测试结果与现有测试成绩和个人报告结果有很强的相关性。
Feb, 2023
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
使用大型语言模型解决填字游戏的挑战，展示了当前最先进的语言模型在解谜填字提示方面的显著能力，性能达到先前结果的 2-3 倍，还开发了基于这一性能的搜索算法，首次使用语言模型解决完整的填字方格问题，在纽约时报的填字游戏上实现了 93% 的准确率，研究表明语言模型与人类专家的性能差距更小。
Jun, 2024