LLM 驱动的游戏叙事中的玩家驱动新生
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
通过基于大型语言模型的方法,我们提出了一种自动识别互动游戏中逻辑和设计缺陷的系统化方法,该方法应用于文本游戏 DejaBoom! 上能够高效地识别大型语言模型驱动的互动游戏中的缺陷,并填补了自动检测逻辑和设计缺陷的空白。
Jun, 2024
通过实验,本研究发现大型语言模型能够在一定程度上将自然语言描述的利他主义和自私行为转化为适当的行为,但在适应有条件回报的情况下存在局限性,特别是在社会困境的一般人类行为模式方面存在潜在限制。研究呼吁进一步探讨大型语言模型生成的代理在更广泛的社会困境中自动生成行为的因素,探讨模型架构、训练参数和各种合作伙伴策略对代理行为的影响,最终促进更符合人类价值和社会规范的人工智能系统的发展。
May, 2023
自动生成游戏情节提升了玩家的体验,通过提供丰富而沉浸式的叙述体验,适应玩家的操作。我们提出了一种新的情节创作工作流程,通过使用大型语言模型驱动虚拟角色的行为,导入作者的意图并创造出根据游戏世界状态动态适应的故事,最终实现了作者、角色模拟和玩家共同创作的故事。
May, 2024
本文介绍了一种协作设计框架,将交互进化和大型语言模型相结合,模拟典型的人类设计过程,并在三个远程人类设计师的游戏设计任务中对该框架进行了评估。
Feb, 2023
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
该论文探讨了将大型语言模型(如生成式预训练变换器 GPT)整合到人机合作环境中,通过口头人机交流手段促进可变自主性的快速发展的数字景观中,介绍了一种基于 Unity 虚拟现实(VR)环境的 GPT 驱动多机器人测试平台的创新框架。用户研究表明,用户对于与机器人对话的预设期望较高,却很少尝试探索机器人合作伙伴的实际语言和认知能力,但那些进行探索的用户能从更自然的沟通和人类式的双向交流中受益。我们提供了一组对未来研究和类似系统的技术实施的经验教训。
Dec, 2023
通过故事讲述和大型语言模型的整合,我们开发出适用于社区环境下引人入胜且可信的社交机器人。我们引入了故事讲述社交机器人以及故事工程的概念,将虚构游戏角色转变为 “真实” 的社交实体,在玩家社群中与人们相互交互。通过使用 GPT-3 驱动我们的 SSC 原型 “David” 和 “Catherine”,并在 Discord 上的在线游戏社区 “DE (Alias)” 评估它们的表现,我们运用问卷(N=15)和访谈(N=8)对社区成员进行混合方法分析,结果显示故事讲述在社区环境中显著提升了社交机器人的吸引力和可信度。
Sep, 2023
现代大型语言模型(LLMs)在强化学习和决策中能否进行探索是我们的研究重点。我们在不进行训练干预的情况下测试现有 LLMs 的本地性能。我们将 LLMs 部署为简单的多臂赌博机环境中的代理,使用完全基于环境描述和交互历史的 LLM 提示。通过实验,我们发现模型在没有干预的情况下无法稳定地进行探索。尽管某些配置表现良好,但得出的结论是在复杂环境中,可能需要非平凡的算法干预才能使 LLMs 代理能够做出理想的决策。
Mar, 2024
本技术报告针对大型语言模型 (ChatGPT 和 GPT-4),探究它们在玩文字游戏方面的能力,实验证明 ChatGPT 表现与现有系统相比具有竞争力,但仍没有足够的智能去构建游戏世界模型、利用已有世界知识和推断游戏进程中的目标。这为人工智能、机器学习和自然语言处理交叉领域开辟了新的研究问题。
Apr, 2023