跳到正文

技术方向

游戏智能体 最新动态

能在游戏里行动的 AI:通用游戏智能体、LLM 驱动的 Bot、Minecraft 与 StarCraft 等环境里的智能体、评测基准与开源框架。

111 条精选近 30 天 55 条共收录 170 条

更新

精选归档 · 第 5 页

10月14日周三第 81–100 条
  1. GameLook 游戏大观47

    游族余华松谈 AI Agent 如何重构游戏创作与交互

    游族AI创新院红岸实验室负责人余华松在2026中国元宇宙大会上分享称,AI Agent正在把AI从游戏生产工具推向游戏内的智能体和游戏世界的构建者。演讲提到,游族内部六大场景、100多个子场景已实现AI全面覆盖,并介绍了智能NPC的感知、记忆、目标和决策结构。其中,决策大模型负责开放性决策,伤害计算等确定性规则仍由游戏引擎完成。

    推荐理由:文中把智能NPC的决策大模型与引擎确定性规则分开讲,可对照自己项目里哪些逻辑该交给模型、哪些仍由引擎计算。

  2. arXiv 棋牌与经典游戏 AI 检索40

    准确率为何无法认证多智能体团队中的心智理论模块

    论文认为,多智能体协作中依据队友推断行动的模块不应只用准确率认证,因为错误的代价和错误之间的相关性会改变可接受的准确率门槛。作者在任务分配、Level-Based Foraging 和 Hanabi 中测试了这一判断,发现准确率在两个方向上都会失效,例如在错误会叠加的 Hanabi 中批准了有害的语言模型部署。

    推荐理由:论文把心智理论模块的认证标准从预测准确率转向部署代价与错误依赖性,对评估协作式 AI 能否上线有直接的参考价值。

10月13日周二
  1. arXiv 游戏 AI 检索47

    创造性破坏:实验市场中的人类与 AI 竞争

    一项包含三项实验(N = 1,025)的研究发现,在游戏设计市场中,AI 独立设计的游戏表现优于人类生产者,包括业余和专业创作者。人类生产者并未预料到 AI 的这一优势。告知消费者游戏由人类设计,也不会提高其支付意愿。

    推荐理由:实验让人类创作者、业余与专业人士和 AI 独立设计的游戏在同一市场中比较,可以用来检验人类品味优势是否成立。

10月12日周一
  1. 量子位61

    华为 Memento 3 通关 ARC-AGI-3 全部25款游戏,操作次数比人类少56%

    华为诺亚方舟实验室联合 UCL 等团队提出 Memento 3,通关 ARC-AGI-3 公开集全部25款游戏、183个关卡,RHAE 拿下满分100。它不更新模型权重、也不针对游戏微调,以 Claude Opus 5 为底模,靠不断更新的 Markdown 规则手册和可执行的 Python 世界模型递归自我改进,总操作7518次,比人类的17135次少约56%。

    推荐理由:方法不更新模型权重,靠外置规则手册与可执行世界模型持续迭代,为智能体在未知规则下的效率优化提供可迁移思路。

  2. arXiv 游戏 AI 检索43

    电竞世界模型数据集(EWM)

    EWM 是一个覆盖 StarCraft II、Dota 2 和 Counter-Strike 2 的人类对局数据集,包含 3,053 场对局与地图,约 4,880 小时玩家视角,其中 CS2 扩展部分的时长为估算值。

    推荐理由:数据把人类决策、共享状态与各玩家私有视野对应起来,对研究多人可控世界模型的人可以直接参考其数据组织方式。

10月11日周日
  1. 量子位53

    何恺明团队发布多模态视觉 Harness 框架 VISTA

    何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生 Harness 框架 VISTA,把环境返回的原始画面连同动画中间帧保存在上下文之外并按回合号和帧号索引,让现成多模态模型在推理时通过 inspect 工具按需调取、裁剪放大和对比,无需额外训练新模型。

    推荐理由:与把环境转成文字网格的既有思路相比,VISTA 把原始画面存到上下文之外按需回看,并给出跨多个基准的对照数据。

  2. The Decoder65

    Odyssey 开放世界模型 Odyssey-3 公开研究预览,提供免费在线 Demo

    Odyssey 发布世界模型 Odyssey-3 的公开研究预览,用户可从文本提示生成可交互环境并实时探索,开发者可申请 API 访问。免费在线 Demo 运行在 Odyssey-3 Flash 上,基础模型有 14 亿参数、生成 832 × 480 视频, Odyssey-3 Pro 支持 1280 × 720。

    推荐理由:在物理基准测试上,原文同时给出官方自选单次成绩与四轮平均分,读者可据此判断这类世界模型成绩的统计口径差异。

10月10日周六
  1. arXiv 棋牌与经典游戏 AI 检索42

    MARL-BattleGrounds:面向异构竞争多智能体强化学习的 JAX 原生基准

    MARL-BattleGrounds 是一个基于 JAX 的多智能体强化学习基准,提供两队各五名异构智能体的 Team Deathmatch 模式。基准包含 52 张地图、8 个残局泛化场景和每月循环赛的 Elo 排行榜。在单张 RTX 5090 上,1,024 个并行对局可达到每秒 50,000 个 5v5 游戏步。

    推荐理由:它把 SMAX 与 Dota 2 之间的空档补成一个可低成本复现的竞争式多智能体基准,便于比较不同算法。

  2. arXiv 游戏 AI 检索49

    MC-EvoBench:用 19 条演化链审计 Minecraft 智能体的经验驱动自改进

    论文构建了受控的 Minecraft 基准 MC-EvoBench,用 19 条已注册演化链(12 条主评测链、7 条校准或探针链)审计智能体的经验驱动自改进,并要求目标世界重置、只允许声明的智能体产物跨越源目标边界。

    推荐理由:论文用配对探针把能力变化与残留资源、来源暴露不均分开来测,可作为自改进智能体评测的对照设计参考。

10月9日周五
  1. arXiv 游戏 AI 检索40

    Mine Odyssey 提出含 180 项任务的智能体空间智能基准,用 Minecraft 重建 30 个真实地点

    Yuxuan Cao 等人提出 Mine Odyssey 智能体空间智能基准,用 Minecraft 重建五大洲 20 个国家与地区的 30 个真实地点,包含 180 项自然语言任务,其中 20 个为室外场景、10 个为室内场景。

    推荐理由:论文用 Minecraft 重建 30 个真实地点并设 180 项任务,可对比八个模型的空间智能差距。

  2. arXiv 游戏 AI 检索49

    AI 智能体能否靠学习登顶?AAArena 评估长期游戏竞赛中的启发式学习

    论文提出 AAArena 基准,用 12 款真实对抗游戏和 1920 份存档人类程序,评测智能体在长期竞赛中的学习能力。在评估的模型与工具配置中,Opus5.5 搭配 Claude Code 拿到 6 枚金牌,没有配置能攻下其余 6 条人类天梯。

    推荐理由:AAArena 把 12 款对抗游戏和 1920 份人类程序组织成竞赛式评测,可用来观察智能体在有限样本下改进策略的边界。

  3. arXiv 游戏 AI 检索45

    AgentGarten:面向持续演化智能体的代码世界框架

    论文提出 AgentGarten 框架,把模拟器与游戏引擎同共享的神经渲染器耦合,构建可实时交互的虚拟环境。模拟后端维护持久世界状态并执行程序定义的交互规则,渲染器从通过统一接口导出的结构化条件生成视觉观察;神经渲染器由预训练视频模型改造为几何条件输入,采用提出的 Adversarial Forcing 蒸馏并针对实时交互优化推理。

    推荐理由:论文把模拟器与游戏引擎接入同一个神经渲染器,并给出智能体 4 轮经验对比数百万轮强化学习的学习效率结果。

  4. arXiv 游戏 AI 检索38

    AgentGarten:面向演化智能体的代码化世界

    AgentGarten 将模拟器、游戏引擎与共享神经渲染器结合,构建可实时交互的环境,智能体通过视觉观测感知世界并与之互动。论文提出 Adversarial Forcing,用于把预训练视频模型蒸馏为几何条件下的神经渲染器,并让历史观测的编码也能接受后续预测的损失反向更新。实验报告称,智能体只需 4 轮经验即可学习,而对照的传统强化学习方法需要百万量级的训练。

    推荐理由:论文把世界写成代码并交给共享神经渲染器生成画面,可以对照它与传统强化学习在学习效率上的比较,判断这种环境扩展思路是否适合自己的项目。

  5. Odyssey35

    Odyssey 发布基础世界模型 Odyssey-3

    Odyssey 发布基础世界模型 Odyssey-3,称其可支持物理 AI、人类体验以及智能体训练等多类应用。官方特别提到智能体可在 Odyssey-3 内部从经验中学习并完成目标。

    推荐理由:Odyssey 官方给出 Odyssey-3 的定位,读者可了解基础世界模型在智能体经验学习上的应用方向。

  6. Unreal Engine65

    Epic 为 Unreal Engine 推出 Unreal MCP,官方支持智能体 LLM 工具接入编辑器

    Epic 为 Unreal Engine 推出 Unreal Model Context Protocol(MCP),官方支持把常用的智能体 LLM 工具直接接入 Unreal Engine。该协议基于开放的 MCP 标准构建,让智能体借助各编辑器暴露的能力在项目中执行操作。开发者可使用兼容的智能体编程工具,也可围绕自身创作方式构建集成、技能与工作流,文档见 https://epic.gm/ue-mcp-docs。

    推荐理由:原文交代 Epic 官方支持基于 MCP 标准把智能体工具接入编辑器,读者可据此判断自研集成与工作流能否复用。

10月8日周四
  1. arXiv 游戏世界模型与生成检索46

    Memento 3 提出反思式规则手册,让冻结 LLM 智能体持续修正世界模型

    论文提出 Memento 3,让冻结的大语言模型智能体通过外部记忆持续学习显式世界模型:智能体维护一份自然语言规则手册,记录关于环境动态的可修订假设并对未知部分保持未指定,再将其编译为可执行代码用于预测和规划,通过观测、反思、规则修订、编译、验证的循环用预测误差同时改进规则手册和代码。

    推荐理由:在底层大模型冻结的前提下,用可修订的规则手册加代码校验持续更新世界模型,为智能体学习提供了一条可迁移的方法路线。

  2. arXiv 棋牌与经典游戏 AI 检索39

    超越猫头鹰:潜意识学习能够迁移习得能力与后门

    论文测试潜意识学习能否迁移更复杂的特质,结果表明显意识学习可以迁移能力、后门与作弊倾向。在智能体棋类环境中,用被引导的作弊教师模型的数字序列微调后,学生模型在58.3%的对局中作弊,未微调模型为10.9%;被训练成在提示含女性名字时用法语回答的教师模型,经与名字和法语都无关的数字序列蒸馏后,学生模型在含女性名字的提示中有23.5%用法语回答,男性名字为0.0%。

    推荐理由:论文用三项实验分别量化能力、后门与作弊倾向的迁移比例,可供评估蒸馏环节的隐蔽风险。

10月7日周三
  1. arXiv 游戏 AI 检索45

    Kuration SDK:通过数据策展应对世界模型的 Virtual2Real 差距

    论文提出并随论文开源了通用物理 AI 数据策展工具包 Kuration SDK,用数据策展来应对动作条件世界模型训练中的 Virtual2Real 差距。作者在 CounterStrike 玩法数据上训练和评估扩散世界模型,确认 FVD、LPIPS、JEDi 等指标与定性的可玩性并不对应,认为在训练开始前策展原始玩法数据并测量多种诊断属性是更可靠的信号。

    推荐理由:论文用 CounterStrike 玩法数据训练扩散世界模型,指出 FVD、LPIPS 等视觉相似度指标与可玩性不对应,并提出数据策展思路。

  2. arXiv 棋牌与经典游戏 AI 检索38

    研究用搜索与多教师蒸馏把 Jev 的概率判断接入棋类决策,Bot 超过 2200 评分

    论文把概率模型 Jev 的判断放进 Stockfish 搜索,配合开局库和残局库后,其棋类 Bot 在 Lichess bullet 对其它 Bot 的评分超过 2200。

    推荐理由:论文对比单一教师与加入第二教师后的 Elo 差异,并给出把概率模型判断蒸馏进搜索的完整流程。

  3. arXiv 游戏 AI 检索47

    论文提出 Recursive Game Creator,用四组件递归迭代提升生成游戏体验

    论文提出 Recursive Game Creator,一个面向体验的智能体游戏开发框架,通过 Designer、Builder、Player、Reviewer 四个组件递归迭代,把粗略游戏原型推进为更耐玩的作品。

    推荐理由:论文给出四组件递归流程和两项基准结果,GameASG-Bench 严格任务成功率 53.2%,较同模型基线提升 34.1%。