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 4 页

10月27日周二第 61–80 条
  1. arXiv 游戏世界模型与生成检索37

    GameVerse 发布分钟级游戏玩法数据集,面向长时程交互世界建模

    GameVerse 是一个面向长时程交互世界建模的分钟级游戏玩法视频数据集,包含 69.7K 段片段、1,655 小时、3.496 亿帧,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。

    推荐理由:原文给出数据集规模、标注流程与训练实验,读者可据此判断长时程世界模型的数据瓶颈与可行做法。

  2. arXiv 游戏世界模型与生成检索37

    人类如何学习陌生世界:ARC-AGI-3 出声思考数据集

    研究者构建了一个记录人类在陌生游戏机制中探索与学习过程的出声思考数据集,包含64名参与者在25款公开游戏中的144条人类轨迹,以及250条LLM智能体轨迹。分析显示,成功的人类轨迹中定性表征占50.0%,成功的LLM轨迹中占14.3%,人类更常在没有具体假设时探索。

    推荐理由:这篇论文用人类出声思考的游戏轨迹对照LLM智能体的失败与恢复过程,可以作为审视现有游戏智能体基准局限的参照。

  3. arXiv 游戏世界模型与生成检索45

    WorldPager:在单张消费级GPU上为长时程世界模型实现零停顿分层记忆

    WorldPager 将交互式世界模型的 int4 KV 记忆分层存放在 GPU、DRAM 与 NVMe 中,并根据相机位姿预取,在单张 RTX 4090 上连续生成 37.5 分钟视频且无停顿、主机内存保持恒定,速度约 9.5 帧每秒。在封闭测试集上,int4 存储未见可测量的质量损失;长间隔重访时图像质量约下降 1 个 MUSIQ 点。

    推荐理由:论文把世界模型的 KV 记忆放进 GPU、DRAM 与 NVMe 分层存储,并按相机位姿预取,对关注长时程交互视频生成的读者有参考价值。

  4. arXiv 棋牌与经典游戏 AI 检索42

    文本是瓶颈:小规模复现 LLM 日本麻将对局研究

    论文在参数不超过 2B、单张 16 GB 消费级 GPU、约五个 GPU 日的预算下复现了 riichi 麻将 LLM 对局研究,结论是在数据和标签匹配时,文本提示是主要瓶颈。

    推荐理由:论文在小算力条件下复现麻将 LLM 对局研究,并用对照实验检验文本表示是否为主要瓶颈,适合关注 LLM 游戏策略能力来源的读者参考。

  5. arXiv 游戏世界模型与生成检索53

    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。

10月26日周一
  1. arXiv 游戏世界模型与生成检索56

    WorldPager:在单张消费级GPU上为长时程世界模型实现零停顿分层记忆

    WorldPager 将交互式世界模型的 int4 KV 记忆分层存放在 GPU、DRAM 与 NVMe 中,并根据相机位姿预取,在单张 RTX 4090 上连续生成 37.5 分钟视频且无停顿、主机内存保持恒定,速度约 9.5 帧每秒。在封闭测试集上,int4 存储未见可测量的质量损失;长间隔重访时图像质量约下降 1 个 MUSIQ 点。

    推荐理由:论文把世界模型的 KV 记忆放进 GPU、DRAM 与 NVMe 分层存储,并按相机位姿预取,对关注长时程交互视频生成的读者有参考价值。

  2. arXiv 游戏 AI 检索48

    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。

  3. arXiv 棋牌与经典游戏 AI 检索54

    文本是瓶颈:小规模复现 LLM 日本麻将对局研究

    论文在参数不超过 2B、单张 16 GB 消费级 GPU、约五个 GPU 日的预算下复现了 riichi 麻将 LLM 对局研究,结论是在数据和标签匹配时,文本提示是主要瓶颈。

    推荐理由:论文在小算力条件下复现麻将 LLM 对局研究,并用对照实验检验文本表示是否为主要瓶颈,适合关注 LLM 游戏策略能力来源的读者参考。

  4. arXiv 棋牌与经典游戏 AI 检索34

    Zugwise:把手写国际象棋棋谱数字化当作对局重建任务

    论文提出 Zugwise,将手写国际象棋棋谱数字化从逐格识别改作对局重建,借用国际象棋引擎的静态交换评估、牵制检测等机制判断某步着法是否可能由人写出,把合法但错误的静默错误暴露在发生处附近。

    推荐理由:论文把国际象棋引擎的静态交换评估与牵制检测改用作荒谬检测器,为手写棋谱识别提供了可迁移的纠错思路。

  5. arXiv 游戏世界模型与生成检索49

    人类如何学习陌生世界:ARC-AGI-3 出声思考数据集

    研究者构建了一个记录人类在陌生游戏机制中探索与学习过程的出声思考数据集,包含64名参与者在25款公开游戏中的144条人类轨迹,以及250条LLM智能体轨迹。分析显示,成功的人类轨迹中定性表征占50.0%,成功的LLM轨迹中占14.3%,人类更常在没有具体假设时探索。

    推荐理由:这篇论文用人类出声思考的游戏轨迹对照LLM智能体的失败与恢复过程,可以作为审视现有游戏智能体基准局限的参照。

10月25日周日
  1. arXiv 游戏 AI 检索50

    WMEval:基于物理模拟评测交互式世界模型

    WMEval 是一个以 Unity 物理模拟为参照、评测交互式世界模型的基准。它覆盖 9 个场景,评测动作可控性、场景与角色一致性、提示词遵循、运动学、流体力学、物理因果和光照。通过在模拟器和世界模型中执行匹配的动作序列进行对比,论文称,现有模型在标准感知指标遮蔽的维度上仍有明显提升空间。

    推荐理由:现有世界模型评测多看画面感知相似度,这篇改用 Unity 物理模拟作参照,补上了物理因果一致性的检验。

10月23日周五
  1. arXiv 游戏 AI 检索34

    PlayerEmbed 从原始输入序列学习玩家行为指纹嵌入

    研究提出 PlayerEmbed,用混合 CNN-LSTM 编码器在 1,000 名玩家的原始输入序列上学习紧凑的玩家嵌入。基于参考嵌入构建的最近质心分类器在训练中见过的玩家上平衡准确率为 0.950,在训练中完全未见的 1,000 名玩家上为 0.879。系统性地增加训练玩家数量能明显提升对未见玩家的泛化,作者将这一变化描述为从简单指纹识别转向可迁移行为模式的学习。

    推荐理由:论文给出了从原始输入序列学习玩家嵌入的编码器结构与跨玩家泛化对比数据,可作玩家行为建模的参考。

  2. arXiv 游戏 AI 检索35

    HiSTEVE 1.0:面向开放世界游戏的人机界面 VLA 智能体

    HiSTEVE 1.0 是一个面向 Minecraft 等开放世界游戏的分层 VLA 智能体,由单一 VLA 以纯视觉输入和原生键鼠动作执行全部子任务。论文称其在 MineStudio Bench 上得分 85.0%,在 OpenHA 上平均成功率为 37.4%,原子任务表现达到当前最优。该工作还报告了智能体能像人类玩家一样从零合成铁镐等长程任务。

    推荐理由:论文把高层子任务规划与原生键鼠视觉控制放进同一个 VLA 智能体,便于对比长程自主性和界面操作可靠性之间的取舍。

  3. arXiv 游戏 AI 检索38

    AnyGameRenderer:面向跨游戏的实体一致生成式渲染与实体级基准

    论文提出 AnyGameRenderer,可把 AI 代理生成的灰模或色块游戏视频转换为带角色和特效的高质量画面,同时保持布局、镜头以及各实体的位置和时序。方法基于 MiniMax-H3 ref2va 做 LoRA 微调,训练数据约 1 万对视频片段,来自 38 款代理生成游戏、Unreal Engine 程序化人群数据和真实游戏录像。

    推荐理由:论文关注 AI 代理生成的粗糙游戏画面如何转为高质量视觉,并用实体级基准检验角色数量与出现消失时机是否保持一致。

  4. arXiv 游戏世界模型与生成检索34

    从单主体环境到多主体事件世界:LLM 能否充当事件世界模型?

    论文研究大语言模型能否根据事件日志和智能体拟采取的动作预测未来观测,基准来自人类外交(Diplomacy)对局和 Polymarket 真实交易。当只给出智能体自身动作、其他行动者强烈影响结果时,模型预测明显不足,更大的模型和更长的历史帮助有限。提供所有行动者的记录动作后,微调和更多数据可改善预测,但模型仍会高估计划成功率,而基于世界模型的想象经验仍能改善策略学习。

    推荐理由:论文指出,只给出智能体自身动作时,模型难以预测其他行动者强烈影响的结果,这是多主体事件世界建模的主要缺口。

  5. arXiv 游戏 AI 检索45

    VibeGame:基于AI原生引擎与对抗式智能体团队的提示词游戏开发框架

    VibeGame 提出从自然语言提示词和可选参考图生成完整 2D 游戏项目的框架,核心是 AI 原生游戏引擎与八个专门智能体组成的对抗式团队。论文在 GameCraft-Bench 子集上评估,P2G 设置下的 VibeGame 一致优于同一底层模型(包括 GPT-6.1-Sol)下的一系列智能体框架。项目完成并通过后,系统还会以无需训练的自我进化机制提炼可复用的骨架、模块和协作契约。

    推荐理由:这篇论文把自然语言生成完整游戏项目与多智能体评审循环结合,可对照其实现与审查分离的流程,了解游戏开发自动化的一种设计思路。

  6. arXiv 棋牌与经典游戏 AI 检索42

    DirCast:用单个流式视频语言模型实现电竞直播导播与解说

    DirCast 是一个单一的流式视频语言模型,能在电竞直播中同时决定何时切换镜头并进行实时解说。在 27 场职业 Dota 2 比赛的数据集上,它的导播效果优于基于规则和零样本的导播方法,包括 GPT-5。解说对 GPT-4o 的胜率为 29.2%,高于观看人类转播的十一个流式解说基线中最强者的 19.4%。

    推荐理由:论文把导播切镜与实时解说放进同一个流式视频语言模型,并用人类导播制作的转播作对照,可参考电竞直播自动化的思路。

  7. arXiv 棋牌与经典游戏 AI 检索51

    DirCast:用单个流式视频语言模型实现电竞直播导播与解说

    DirCast 是一个单一的流式视频语言模型,能在电竞直播中同时决定何时切换镜头并进行实时解说。在 27 场职业 Dota 2 比赛的数据集上,它的导播效果优于基于规则和零样本的导播方法,包括 GPT-5。解说对 GPT-4o 的胜率为 29.2%,高于观看人类转播的十一个流式解说基线中最强者的 19.4%。

    推荐理由:论文把导播切镜与实时解说放进同一个流式视频语言模型,并用人类导播制作的转播作对照,可参考电竞直播自动化的思路。

10月22日周四
  1. arXiv 游戏 AI 检索45

    AnyGameRenderer:面向多游戏的实体一致生成式渲染与实体级基准

    AnyGameRenderer 是一个视频到视频的生成式渲染器,能把 AI 编程智能体制作的灰模或色块游戏视频转换为带角色、动作细节和特效的画面,同时保持布局、镜头和实体的位置与时序不变。

    推荐理由:它把智能体生成的灰模原型转成带角色和特效的画面,并用实体级基准衡量时序对应,有助于判断原型到成品视觉的可行性。

  2. arXiv 游戏 AI 检索55

    AnyGameRenderer 提出跨游戏实体一致的生成式渲染方法与实体级基准

    AnyGameRenderer 是一个视频到视频生成式渲染器,能把灰模和色块画面转成带角色、动作与特效的高质量画面,同时保持布局、镜头和实体位置时序不变。它通过 LoRA 微调 33B 的 MiniMax-H3 ref2va 实现,训练使用约 10k 段配对片段,来自 38 款智能体制作的游戏、Unreal Engine 双流渲染数据和真实游戏录像。

    推荐理由:论文给出了实体对应性的量化指标和 59 个用例的评测集,可用来比较生成渲染在游戏画面上的可靠性。