跳到正文

内容形态

论文研究 最新动态

值得读的游戏 AI 论文与技术报告:智能体、环境、生成与玩家研究的精选。

160 条精选近 30 天 75 条共收录 242 条

更新

精选归档 · 第 3 页

10月31日周六第 41–60 条
  1. arXiv 棋牌与经典游戏 AI 检索34

    arXiv 论文用相似度标签条件化 MIDI 模型,控制 Super Mario 游戏音乐的段落相似度

    论文在 Super Mario 乐曲的段落对上进一步训练预训练 MIDI 模型,用相似度标签和上下文向量控制新生成段落与给定段落的接近程度。在 157 个测试上下文、每个标签生成 6 个输出、12 项指标评测中,被要求相似的输出平均比被要求相异的输出更接近其上下文,且不会更接近其他乐曲,12 项指标全部支持这一结果,各主指标经多重检验校正后仍显著。

    推荐理由:论文给出相似度标签条件化的 MIDI 音乐生成方法与十二项指标结果,可看可控生成在游戏音乐上的实现路径。

  2. arXiv 棋牌与经典游戏 AI 检索39

    在 Super Mario 曲目上继续训练的 MIDI 模型如何用相似度标签控制游戏音乐的相似程度

    论文将预训练 MIDI 模型在 Super Mario 曲目的段落对上继续训练,用相似度标签和上下文向量控制生成片段与给定主题的接近程度。在 157 个测试上下文中,每个标签生成 6 段输出,12 项指标均显示被要求相似的结果更接近其上下文而非其他曲目,四项主指标经多重检验校正后仍显著。与去掉标签的同构模型相比,只有高相似度请求能让输出更相似;听测评分与旋律重叠度的一致性在各项指标中最高。

    推荐理由:论文用 157 个测试上下文与 12 项指标对比有无相似度标签的差异,可作为可控音乐生成的评测参考。

10月30日周五
  1. arXiv 游戏世界模型与生成检索58

    Wizard:通过智能体控制在实时中操控任意世界

    论文提出 Wizard,一个智能体游戏世界模型,可在实时中精确控制角色动作,并对新场景、角色和动作实现零样本泛化。作者构建了覆盖 750 个场景和 178 个角色的数据集,用骨架与几何信息作为结构化表示来条件化视频生成模型,并引入自适应掩码机制改善条件信号与生成视频的一致性。配套的智能体框架显式维护和更新游戏状态,让玩家自由配置虚拟世界并细粒度控制角色动作。

    推荐理由:论文给出 750 个场景、178 个角色的数据集与结构化代理条件方案,可看实时可控世界模型的实现路径。

  2. arXiv 游戏世界模型与生成检索58

    Algebraic World Model:把游戏环境交互转成 Lean 4 可证明的数学模型

    研究者提出 Algebraic World Model(AWM),把与陌生环境的交互转成可执行 Python 假设,再整理为类型化对象与共享规则,并用范畴论引导的变换简化结构,最终在 Lean 4 中形式化以证明可达性与不可能性。

    推荐理由:论文给出把陌生游戏环境交互转成 Lean 4 可检验数学模型的流程,读者可据此了解形式化证明如何用于判定关卡不可达。

  3. arXiv 游戏 AI 检索58

    Fight World Model:用视觉交互代理实现可定制战斗

    作者提出 Fight World Model(FWM),将受规则约束的战斗执行与视频渲染分离,由可执行引擎维护状态并结算交互,再用确定性编译器把结果编码成时空对齐的交互代理。

    推荐理由:论文把规则执行与视频渲染拆开,读者可了解可编程战斗世界模型如何保持受击与血量状态一致。

  4. arXiv 游戏 AI 检索53

    Fight World Model:通过视觉交互代理实现可自定义战斗

    研究者提出 Fight World Model(FWM),把规则驱动的战斗执行与视频渲染分离,用可执行引擎维护状态并结算交互。确定性编译器将结算结果和尝试动作编码为时空对齐的交互代理,按角色身份与时间对齐动作与技能窗口、短暂受击反应和持续血量,模型在涵盖 52 种技能效果、187 种角色外观变体和 15 个竞技场的 FightWorld Corpus 上训练。

    推荐理由:论文将战斗规则执行与视频渲染拆分,用交互代理传递状态,展示了不改动渲染器即可施加伤害缩放、吸血等新规则的思路。

  5. 腾讯混元58

    腾讯混元发布 Hy-Nomas 技术报告与评测集

    腾讯混元发布开源交互式视频世界模型 Hy-Nomas 的技术报告,并同步开源了评测集 Hy-Nomas-Bench。作者还用 Hy-Nomas 复现了 Genie 4 的示例,并附上对比视频。引用的发布介绍称,该模型支持文本提示词与相机轨迹的自由交互,并具备世界记忆下的长时程生成能力。

    推荐理由:作者同时开源了评测集并复现了 Genie 4 的示例,读者可以对照公开视频,自行判断其交互与长时生成效果。

  6. arXiv 游戏世界模型与生成检索60

    代数世界模型 AWM 提出从环境探索到 Lean 4 形式化证明的框架

    研究团队提出代数世界模型 AWM,把与未知环境的交互转成可在 Lean 4 中形式化推理的数学模型。在两个不可通关的游戏关卡上,AWM 六次运行都给出了经内核校验的封闭 Lean 证明,排除所有合法通关序列,而配备编程工具的 Claude Opus 5.5 与 GPT-6 Astra 在十二次基线运行中都没能产出证明。

    推荐理由:在不可通关的关卡上给出经内核校验的不可达结论,可据此了解形式化推理如何用于游戏环境建模。

  7. arXiv 游戏世界模型与生成检索58

    AWM:把陌生游戏环境转成 Lean 可证数学模型的代数世界模型

    研究者提出 Algebraic World Model(AWM),把与陌生环境的交互转成可形式化推理的显式数学模型,并在 Lean 4 中证明可达性与不可达性。

    推荐理由:论文给出把陌生游戏环境转成可检验数学模型的流程,并用 Lean 证明不可达关卡,读者可据此理解形式化推理如何进入游戏智能体。

  8. arXiv 游戏世界模型与生成检索58

    Wizard:通过智能体控制在实时中操控任意世界

    论文提出智能体游戏世界模型 Wizard,可在实时中精确控制角色动作,并对新场景、角色和动作实现零样本泛化。研究构建了覆盖 805 个场景、178 个角色的数据集,以骨架和几何信息作为结构化代理来条件化视频生成,并通过显式跟踪和更新游戏状态支持角色感知自适应掩码与世界锚定空间条件。

    推荐理由:论文给出 805 个场景、178 个角色的数据集与 WBench 评测,可对照现有世界模型看实时可控生成的具体做法。

10月29日周四
  1. arXiv 游戏 AI 检索40

    TaskFrame 提出分层规划器与控制器框架,把任务级规划接到帧级键鼠控制

    Guangzhi Wang 提出 TaskFrame 分层规划器与控制器框架,把任务级规划与帧级键盘鼠标控制连接起来。视觉语言任务规划器将高层目标拆成有序的原子指令,通过监督学习和依赖感知 GRPO 优化;终止每条原子指令的特殊 goal token 的隐状态被缓存为连续目标嵌入,在后续控制步骤中复用。

    推荐理由:论文给出规划器与控制器的三阶段训练流程和缓存目标嵌入的做法,读者可据此判断分层结构如何衔接视觉语言推理与键鼠操作。

  2. arXiv 棋牌与经典游戏 AI 检索36

    RetroChessBench:重建并证明国际象棋对局历史的基准

    作者提出 RetroChessBench,这是一个包含 12 项任务的回溯棋基准,覆盖定长构造、唯一终局与穷举答案集,并配有参考答案、评分细则和终端奖励环境。

    推荐理由:论文给出 12 项回溯棋任务与评分细则,并记录前沿模型在纯规则推理上的具体失误类型,可作为推理能力评测的参照。

10月28日周三
  1. arXiv 游戏 AI 检索45

    Gym-Anything-RT 为视觉语言智能体扩展实时环境

    Gym-Anything-RT 通过智能体流程自动生成100个实时视觉小游戏,用于评估视觉语言智能体的实时交互能力。原文报告,GPT-6 Astra (xHigh) 在实时小游戏上的通过率仅为9.0%,环境暂停后升至75.0%。作者还发现,部分前沿智能体在被允许写代码时会绕过实时感知与操作,并公开发布了该环境与生成的小游戏。

    推荐理由:该研究把实时性从其他能力中单独拆出,可在同一小游戏上比较暂停前后的成绩,适合判断智能体的实时决策短板。

  2. arXiv 游戏世界模型与生成检索37

    GameVerse:面向长时序交互世界建模的分钟级游戏视频数据集

    论文提出 GameVerse,一个面向长时序交互世界建模的分钟级游戏视频数据集,用于缓解现有数据片段过短的问题。数据集包含 69.7K 个片段、1655 小时和 349.6 million 帧,其中 1358 小时为连续两分钟序列。每个片段配有跨分钟保持连贯的相机轨迹,以及按事件边界对齐、区分静态场景与动态前景事件的字幕,实验显示用其训练能延长交互世界模型的时间跨度。

    推荐理由:针对现有游戏视频片段过短、字幕粗糙的数据瓶颈,该工作给出分钟级数据集和事件级标注思路,可对照长时序世界模型的数据构建方式。

  3. arXiv 游戏 AI 检索39

    UnityBench-Mini3D:评测 LLM 智能体的 Unity 3D 游戏开发能力

    研究者提出 UnityBench-Mini3D,用 77 个项目级 Unity 任务评测 LLM 编码智能体的 3D 游戏开发能力。每个任务配有 1,178 个人工编写的里程碑测试,可给出部分得分并定位失败环节。在 21 个模型和 9 种编码框架的测试中,简单任务平均通过率为 80.9%,困难任务降至 35.2%,总体为 57.7%。

    推荐理由:现有游戏开发基准多针对 Godot 且依赖 LLM 评审,这篇工作改用引擎内的确定性里程碑测试评估 Unity 任务,可作为方法上的对照。

  4. arXiv 游戏世界模型与生成检索39

    BoxWorld:让世界引擎控制状态、视频生成器负责渲染

    BoxWorld 将用户定义的交互规则交给 Box World Engine 处理,再由 Box-State 生成式渲染器按对象状态自回归渲染实时交互视频世界。论文称其在 PairedStateBench 等评测中明显优于端到端世界模型,并在多个公开基准上保持竞争力。训练分三阶段,利用开放域视频和游戏视频的自动标注学习对象定位与状态转移,并在自生成历史上做 rollout 蒸馏。

    推荐理由:将交互推理与生成渲染拆开,并与端到端视频世界模型对照,可以看到可控游戏世界的一种分工思路。

  5. arXiv 棋牌与经典游戏 AI 检索35

    arXiv 论文用 17,400 局 Stockfish 自博弈检验开局排名的稳定性

    arXiv 上的一项研究让强度受限的 Stockfish 15.1 在三种强度设置下自博弈 17,400 局,比较十个白方首着和十个对 1.e4 的黑方应着,发现领先开局会随强度设置变化,其中两次仅相差一局。

    推荐理由:依据 17,400 局自博弈数据,原文量化了局数不足时开局排行榜领先者的不确定性,可供评估设计参考。

  6. arXiv 游戏 AI 检索59

    Gym-Anything-RT 为视觉语言智能体扩展实时环境

    Gym-Anything-RT 通过智能体流程自动生成100个实时视觉小游戏,用于评估视觉语言智能体的实时交互能力。原文报告,GPT-6 Astra (xHigh) 在实时小游戏上的通过率仅为9.0%,环境暂停后升至75.0%。作者还发现,部分前沿智能体在被允许写代码时会绕过实时感知与操作,并公开发布了该环境与生成的小游戏。

    推荐理由:该研究把实时性从其他能力中单独拆出,可在同一小游戏上比较暂停前后的成绩,适合判断智能体的实时决策短板。

10月27日周二
  1. arXiv 游戏世界模型与生成检索37

    GameVerse 发布分钟级玩法视频数据集,面向长时序交互世界建模

    研究者发布 GameVerse,一个面向长时序交互世界建模的分钟级玩法视频数据集,包含 69.7K 段视频、1,655 小时、3.496 亿帧,覆盖第一人称与第三人称玩法。其中 1,358 小时为连续两分钟序列,比此前数据集长一个数量级;每段视频配有跨分钟保持一致的相机轨迹,以及区分静态场景与动态前景事件、按事件边界对齐的标注。论文称在该数据集上训练可显著延长交互世界模型的时间跨度。

    推荐理由:数据集把可用序列拉到两分钟量级,并给出与既有公开数据集在规模和标注上的对比,便于判断长时序世界模型的训练数据缺口。

  2. arXiv 游戏世界模型与生成检索54

    GameVerse 发布分钟级玩法视频数据集,面向长时序交互世界建模

    研究者发布 GameVerse,一个面向长时序交互世界建模的分钟级玩法视频数据集,包含 69.7K 段视频、1,655 小时、3.496 亿帧,覆盖第一人称与第三人称玩法。其中 1,358 小时为连续两分钟序列,比此前数据集长一个数量级;每段视频配有跨分钟保持一致的相机轨迹,以及区分静态场景与动态前景事件、按事件边界对齐的标注。论文称在该数据集上训练可显著延长交互世界模型的时间跨度。

    推荐理由:数据集把可用序列拉到两分钟量级,并给出与既有公开数据集在规模和标注上的对比,便于判断长时序世界模型的训练数据缺口。