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

研究了游戏中的Procedural Content Generation(PCG)对于增加机器学习方法的通用性的重要性，特别是学习算法对于过度拟合的困扰和参数随机化的抗拟合方法，以增加算法对于不同环境的适应性和回报。

Nov, 2019

本研究通过对14名游戏专业人员进行语义结构化访谈，揭示了TTIG在游戏行业实践中的专业人士感知、采纳和使用的12个总体主题和49个子主题，可以用于促进该行业内的讨论、为政策制定人员提供信息以制定迫切需要的立法，并支持游戏、HCI和AI领域的研究人员以支持TTIG的可持续、专业使用以造福人们和游戏文化艺术品。

Feb, 2023

通过知识转换实现程序化内容生成(PCG-KT)的概念和框架的引入，将以往训练数据缺失以及为全新游戏生成内容的限制转化为知识转换，通过转换不同领域的知识以生成新颖的内容。

May, 2023

本研究介绍了FIREBALL数据集，将真实Dungeons & Dragons游戏信息与自然语言生成相结合，并展示了该数据集可以提高自然语言生成的质量和可执行的命令。

May, 2023

《1001夜》是一款以AI语言模型驱动的AI原生游戏，通过与角色进行共同创作的故事讲述，使玩家能够引导游戏现实。

Aug, 2023

本篇论文介绍了一种创新方法，PCGPT框架，该方法利用离线强化学习和Transformer网络进行程序化内容生成（PCG）。PCGPT利用基于Transformer的自回归模型迭代生成游戏关卡，解决了传统PCG方法中重复、可预测或不一致的内容的挑战。该框架模拟动作、状态和奖励的轨迹，利用Transformer的自注意机制捕捉时间依赖性和因果关系。该方法在Sokoban益智游戏中进行了评估，模型预测了所需物品及其对应位置。Sokoban游戏的实验结果表明，PCGPT生成了更复杂和多样化的游戏内容。有趣的是，与现有方法相比，PCGPT在显著较少的步骤中实现了这些结果，展示了其增强游戏设计和在线内容生成的潜力。我们的模型代表了一种超越以往方法的新的PCG范例。

Oct, 2023

在这项研究中，我们展示了大型生成文本模型辅助生成丰富的、分支故事线的图形互动叙述可用于对接具备不同上下文约束的四个著名故事，通过与 GPT-4 的配合来进行游戏设计的例证。

Nov, 2023

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

该调查研究了从早期基于角色的模型到由大型语言模型（LLMs）推动的高级角色驱动模拟的蓬勃发展的领域，提供了一个全面的设计这些系统的关键组成部分的分类法，包括数据、模型和对齐、代理架构和评估，并指出了未来研究的方向。

Jul, 2024