本篇论文主要介绍了我们的方法来解决文本冒险游戏中需要理解自然语言并在游戏中表现出智能行为的代理问题。我们的代理Golovin利用游戏领域的限制，利用相关文献和游戏来创建适用于该领域的语言模型。此外，我们还嵌入了机制，以便我们可以指定和分别处理重要的任务，如对手作战，管理库存和在游戏地图上导航，并通过测量代理在50个互动小说游戏集中的表现来验证了这些机制的有效性。最后，我们展示了我们的代理在Text-Based Adventure AI比赛中使我们获得了与去年获胜者相当的成绩。

May, 2017

本文研究使用马尔可夫模型和神经生成模型，在以厨艺为例的语境中，为文本冒险游戏（Interactive fictions）自动生成任务目标序列，评估两个任务生成技术在语义上的连贯性和创造性。

Sep, 2019

本文主要介绍了一个基于知识图谱和神经语言模型的交互式小说生成算法，通过提取常识和主题知识来实现语义连贯、有趣、一致的文本世界，实验结果显示该模型优于规则和人工基准。

Jan, 2020

我们提出了一个名为SARD的可视化工具，用于利用大型语言模型生成多章节故事，通过对其可用性和创意支持的评估，我们发现节点可视化可能有助于作者建立心理模型，但在故事更加复杂时会导致不必要的认知负荷和注意力分散，还发现无论故事复杂与否，AI生成的故事在词汇多样性方面都较少，这些发现为未来人工智能与人类共同创作工具的发展提供了指导。

Mar, 2024

通过与大型语言模型的互动，玩家能够参与游戏叙事的演化，发现有趣且具有吸引力的新节点，进而创造出非原始叙事中不存在的内容。

Apr, 2024

介绍了一种名为PANGeA的程序化人工叙事生成方法，通过引导游戏设计师的高级标准，利用大型语言模型（LLM）为回合制角色扮演游戏（RPG）生成叙事内容。PANGeA不仅生成游戏级别数据，还培养了玩家与环境之间与程序化游戏叙事相一致的动态、自由形式的互动，NPC以五个人格模型的特征表现出个性偏见，并通过自定义的内存系统，通过验证将互动与游戏叙事对齐，进而生成与程序化叙事相一致的响应，显示了PANGeA在生成与叙事一致的内容方面有潜力。

Apr, 2024

使用基础模型将简单的文本输入转化为复杂互动角色扮演游戏体验的文本游戏引擎框架，可动态呈现游戏故事并根据玩家的行动实时调整游戏角色、环境和机制，其潜力展示了生成式人工智能对游戏生命周期的转型影响，并强调游戏范式的开放和民主的可能性。

Jul, 2024

本研究旨在解决儿童故事讲述中的互动性不足问题，提出一种利用生成人工智能的教育工具。该系统通过叙事共创、文本转语音和文本转视频等技术，提供生动的学习体验。研究发现，这种多模态生成方式显著提高了故事的语言表达质量和视觉呈现的准确性，具有广泛的教育应用潜力。

Sep, 2024

本研究解决了儿童故事讲述缺乏趣味性的鸿沟，提出了一种新颖的教育工具，利用生成性人工智能进行故事共创、文本转语音和文本转视频的融合。研究发现，该系统显著提升了故事的语言质量、语音转换效果和视觉生成的相关性，为学习者提供了更加吸引人的学习体验。

Sep, 2024

本文提出了一种教育工具，利用生成性人工智能（GenAI）增强儿童故事讲述。通过叙事共同创作、文本转语音和文本转视频等技术的结合，创造出引人入胜的学习体验。研究显示，该系统能有效提升故事生成的语言质量、文本转语音的准确性和生成视觉的相关性。

Sep, 2024