游戏开发作为人类与大型语言模型的互动
本文探讨了使用大型语言模型(LLMs)生成Sokoban游戏关卡的可行性及效果,发现LLMs能够生成关卡,且其性能随数据集规模的提高而显著提高。同时,文章也介绍了控制LLMs关卡生成器的初步实验结果,并探讨了未来研究的有 promising 的方向。
Feb, 2023
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
本文介绍了一种新的人-LLM交互框架:Low-code LLM,它包括六种类型的简单低代码视觉编程交互,通过图形用户界面的视觉交互,用户可以在不编写琐碎的提示的情况下将其想法纳入工作流程,并且具有可控的生成结果、用户友好的人-LLM交互和广泛应用场景等三个优点,适用于复杂任务的结构化规划和执行。
Apr, 2023
本文探索了一种方法,即在特定的游戏场景中测试大型语言模型的表现,以此来深入了解它们是否能像环境理解代理一样进行操作,涵盖了五个交互设置,并表明当前聊天优化的大型语言模型在一定程度上能够遵循游戏规则,并且用于衡量游戏表现和调查LLM的性能具有诊断价值。
May, 2023
该研究展示如何使用LLMs来生成名为Metavoidal的游戏的二维游戏房间,通过人为干预微调的方法,可以从仅60个手动设计的房间中生成37%的可玩新颖关卡,以适应Procedural Content Generation(PCG)的全局和局部约束。
May, 2023
本研究提出了一种具有突破性的文本命令控制系统,用于能够理解以自由形式表达的自然语言命令的游戏代理,通过使用大型语言模型(LLM)进行代码生成以将自然语言命令解释和转换为基于行为树的行为分支的知识表示,从而促进游戏代理的执行。经过模拟宝可梦游戏的游戏环境中进行的实证验证和多参与者的参与,结果确认该系统具备理解和执行自然语言命令的能力,代表了实时语言交互式游戏代理领域的引人注目进展。
Feb, 2024
该研究使用Instruction-Driven Game Engine (IDGE)项目来实现游戏开发的民主化,通过一个大型语言模型(LLM)遵循自由形式的游戏规则并自主生成游戏过程。通过发出简单的自然语言指令创建游戏,该项目大大降低了游戏开发的门槛。研究旨在以下一个状态预测的任务方式来训练IDGE,通过自动预测玩家操作后的游戏状态。初步进展是在为大家所喜爱的扑克牌游戏开发了IDGE,这个引擎不仅支持广泛的扑克牌变体,还通过自然语言输入允许规则的高度定制化。此外,它还支持通过最少的样本快速原型设计新游戏,为游戏开发提出了一种新型的创新范式,依赖于最少的提示和数据工程。这项工作为未来基于指令驱动的游戏创作奠定了基础,有可能改变游戏的设计和玩法方式。
Mar, 2024
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
利用大型语言模型自我对弈进行对话游戏的研究,旨在探索其普适性、评估模型的性能,并研究提示语言对模型表现的影响。该研究为构建应用交互系统的模型选择提供了基础,或最终建立模型和模拟评估器的闭环开发环境。
May, 2024
该研究通过基于网格的游戏,如井字棋、四子棋和五子棋,引入了一种新颖且可扩展的大规模语言模型(LLM)基准。通过开源的游戏模拟代码,可以让LLMs进行竞争,并生成JSON、CSV、TXT和PNG格式的详细数据文件,用于排行榜排名和进一步分析。研究结果显示在不同游戏和提示类型之间,LLMs的性能存在显著差异,涵盖了胜率、取消资格率、错失机会分析和无效移动分析。该研究增进了对LLMs在非特定训练游戏中的能力的理解,有助于评估它们的规则理解和战略思维能力,并为进一步探究在基于游戏的框架中LLMs的限制以及它们在复杂决策情境中的实用性奠定了基础。
Jul, 2024