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 6 页

10月20日周二第 101–120 条
  1. arXiv 游戏 AI 检索36

    CHSM8:遵循自然语言风格提示的国际象棋 Transformer

    CHSM8 是一个 210M 参数的国际象棋 Transformer,可以根据“西西里防御”或“稳健保守”等自由文本风格描述来选择走法。在未使用搜索的前提下,它对强度受限的 Stockfish 达到 1837 Elo,并经监督微调与 DPO 提升了风格遵循度,例如早期换后比例从 53% 提升到 67%。论文同时公开了权重、带训练标签的数据集、提示词、配置和推理代码。

    推荐理由:论文公开了权重、数据集、提示词与代码,并记录了失败的消融实验,便于复现和借鉴其训练流程。

  2. arXiv 游戏 AI 检索39

    KPHarness 提出知识与探查协同演化的长程游戏执行外壳框架

    论文提出 KPHarness,通过知识与探查协同演化改写冻结 VLA 的外部执行外壳,使其不仅更换干预规则,也改进调查失败的方式。在 Minecraft 的挖掘、战斗和合成任务上,其任务覆盖优于纯策略执行、人工指定的固定外壳,以及只有知识演化、探查不自适应的版本;每次外壳修订都在匹配的沙盒条件下与现有版本成对评估,只有显示提升才被接受。

    推荐理由:论文给出把失败诊断证据接入执行外壳改造的做法,并与固定外壳和仅有知识演化的基线做了对照。

  3. 游研社47

    20个大模型挑战《杀戮尖塔》A20仅一次通关,失利多因过于稳健

    研究者用SpireBench让20个大模型在《杀戮尖塔》A20难度下完整挑战10个新种子,200局中仅GPT-5.6 Sol通关一次。与4位高手主播对比,AI在第一幕平均只打约0.9—1.4场精英战,主播约为2.6场,AI在57%—75%的营火选择回血,高手约为9%。仅以第一阶段计,表现最好的模型已接近顶尖高手水准,但长期战略能力仍有明显差距。

    推荐理由:文章把大模型的失败原因归结为过度稳健,并用高手主播的逐局数据做对照,便于理解模型在长期资源管理上的具体短板。

  4. arXiv 游戏 AI 检索41

    面向精灵动画的神经可控方向帧生成

    该研究提出一种面向精灵动画的可控方向帧生成方法,用三个共享 U-Net 结构的专家模型分别完成前向外推、中间插帧和后向外推。模型仅用280组精选精灵三元组训练,在42组测试样本上以 FLIP 指标衡量,三个方向的得分为0.26至0.27,较通用基线高出17%至57%。方法采用确定性单次生成与较紧凑的模型,面向像素风格精灵动画的生产流程。

    推荐理由:针对像素精灵动画中前向外推、后向外推与插帧的需求,该研究仅用280组精选样本训练,对小数据垂直视觉领域的训练思路有参考价值。

  5. arXiv 游戏 AI 检索44

    InfiniDream:通过程序化生成构建开放式逼真3D世界

    InfiniDream 提出一个由 VLM 驱动的开放式程序化3D世界生成框架,可在不依赖预设工厂和 API 的情况下创建新型逼真资产。论文在 100 个物体和 20 个场景生成任务上评估,四项感知指标有所提升。框架还结合语义场景规划与确定性视锥引导网格放置,用于构建带有程序化填充和动画的大规模3D世界。

    推荐理由:现有 VLM 引导的程序化方法多受预设工厂和 API 限制,这篇论文尝试放开资产类型,可与同类方法对照阅读。

10月19日周一
  1. arXiv 棋牌与经典游戏 AI 检索34

    研究者提出 SPOKE,用策略偏好优化训练扑克智能体,在 Kuhn 和 Leduc 上取得最低平均可利用度

    研究者提出 SPOKE(Strategic Preference Optimization with KL-anchored Equilibrium)方法,在 SmallThinker-4B-A0.6B 策略的三次运行中,它在 Kuhn 和 Leduc 上取得最低平均可利用度 0.213 和 1.081,六人桌 top-1 一致率为 0.775。

    推荐理由:论文把 SPOKE 与 SFT、DPO、GRPO、GSPO 放在一起做了比较,并给出在 Kuhn 和 Leduc 上的平均可利用度数值,读者可据此判断该方法与其他策略优化方法的差异。

  2. arXiv 游戏 AI 检索37

    AI 披露与 Steam 玩家评价的关联:探索性研究

    研究者分析 Steam 评论后发现,披露使用了生成式 AI 的游戏,其差评中与 AI 相关的批评更多。研究采用关键词、词频和特征词等语言分析方法,比较了多个披露分组的评论模式。作者将其定位为理解玩家如何看待 AI 披露的探索性第一步。

    推荐理由:这项研究直接用 Steam 玩家评论观察 AI 披露与评价之间的关系,可以为讨论游戏 AI 争议提供一个实证参照。

  3. arXiv 游戏世界模型与生成检索49

    ActionRoPE:用世界坐标实现平面相机游戏世界模型的空间一致控制

    ActionRoPE 把动作驱动的相机位移转换为世界坐标旋转位置,使同一世界位置的 token 在不同时间保持相同位置编码。论文还提出坐标条件噪声调度 CNS,让已观测区域更早稳定,新区域参考已观测内容生成。与四种代表性动作条件机制相比,该方法更忠实地跟随指令动作,回访漂移较最强基线降低 66%,并可迁移到 1.3B 至 33B 参数的视频骨干模型及分布外场景。

    推荐理由:把动作位移转换为世界坐标旋转位置,对俯视角和等距视角游戏的世界模型动作控制有参考价值。

10月18日周日
  1. arXiv 游戏 AI 检索58

    CHSM8:遵循自然语言风格提示的国际象棋 Transformer

    CHSM8 是一个 210M 参数的国际象棋 Transformer,可以根据“西西里防御”或“稳健保守”等自由文本风格描述来选择走法。在未使用搜索的前提下,它对强度受限的 Stockfish 达到 1837 Elo,并经监督微调与 DPO 提升了风格遵循度,例如早期换后比例从 53% 提升到 67%。论文同时公开了权重、带训练标签的数据集、提示词、配置和推理代码。

    推荐理由:论文公开了权重、数据集、提示词与代码,并记录了失败的消融实验,便于复现和借鉴其训练流程。

10月17日周六
  1. arXiv 游戏 AI 检索43

    Mirror:自我改进的视频到动作模型

    Mirror 是一种自监督方法,无需先验动作数据或手写奖励,通过与环境交互学习视频到动作的映射。在 Atari、OGBench 和 DeepMind Control 上,它以学到的视频计划超过了基于观察学习的主流方法;在 Minecraft BASALT 上,它超过了可使用专家动作或手工任务知识的方法。在 Minecraft 生存任务中,它仅靠自我改进就获得了铁镐,不依赖奖励或专家动作标签。

    推荐理由:它不依赖人工动作标注和手写奖励,让视频规划模型能够转化为可执行的智能体策略,适合关注视频模型与智能体结合的读者。

  2. arXiv 游戏 AI 检索45

    Mirror:自我改进的视频到动作模型

    Mirror 是一种自监督方法,无需先验动作数据或手写奖励,通过与环境交互学习视频到动作的映射。在 Atari、OGBench 和 DeepMind Control 上,它以学到的视频计划超过了基于观察学习的主流方法;在 Minecraft BASALT 上,它超过了可使用专家动作或手工任务知识的方法。在 Minecraft 生存任务中,它仅靠自我改进就获得了铁镐,不依赖奖励或专家动作标签。

    推荐理由:它不依赖人工动作标注和手写奖励,让视频规划模型能够转化为可执行的智能体策略,适合关注视频模型与智能体结合的读者。

10月16日周五
  1. arXiv 棋牌与经典游戏 AI 检索37

    用自然语言解释国际象棋与围棋,并提出 BinProp 方法

    论文提出一种基于棋类引擎评估的自动指标,发现当前主流语言模型解释国际象棋走法的表现明显偏弱,常依赖棋盘表面特征。提出的 BinProp 是无需训练的方法,使同类模型能发现可复用的棋类概念,平均得分接近直接提示的三倍。同一方法在围棋、国际跳棋和将棋中也能发现有用概念,且无需额外调参。

    推荐理由:方法无需额外训练,就能让语言模型发现可复用的棋类概念,对理解引擎走法的解释思路有参考价值。

  2. arXiv 游戏 AI 检索34

    论文构建 atari 与 sente 可控评测任务,测试语言围棋模型 LoGos

    研究者围绕围棋中 atari 与 sente 的关系构建了一套可控评测集,用来检验语言模型能否识别这些术语并把它们与着法评估联系起来。测试对象是经术语与解说数据监督微调后的围棋语言模型 LoGos,结果显示它难以识别 atari 关系的变化,也难以判断这一变化的战略含义。

    推荐理由:作者用可控的棋盘局部改动分离术语识别与着法评估,为检验语言模型能否把领域术语落到具体局面提供了可复用的测试思路。

  3. arXiv 游戏 AI 检索63

    Gemini 4 Argon 智能体团队通关 Minecraft

    四个 Gemini 4 Argon 智能体在 Minecraft 生存世界中自主协作,用时 27 小时 14 分钟击败末影龙。团队在简易难度的随机世界中编写了 2,783 个程序,期间死亡 605 次,研究人员可实时观看并随时暂停,但未需要介入。据作者所知,这是 AI 智能体首次端到端自主通关 Minecraft,且仅使用标准 Mineflayer 库,未使用人工预设的地图种子或游戏专用工具。

    推荐理由:论文记录了四个智能体在无人设计游戏逻辑的情况下通关Minecraft的过程,其分工、经验共享与长时程规划可作参考。

  4. arXiv 游戏 AI 检索45

    Chloe Su 提出 MFM 多模态文件系统记忆架构,长时序具身智能体任务表现优于基线

    论文提出 MFM 多模态文件系统记忆架构,把情节记忆、空间记忆、语义与程序性记忆以及工作记忆分开存放,并用可检索的文本记录把这些表示与底层多模态片段连接起来,智能体可凭上下文线索找到过往经历并回看原始观测以补回文字描述缺失的细节。

    推荐理由:论文交代了记忆分层与文本检索回连原始片段的设计,并给出三种基座模型在 Minecraft 与电脑操作任务上的对比。

  5. arXiv 游戏 AI 检索73

    Gemini 4 Argon 智能体团队通关 Minecraft

    四个 Gemini 4 Argon 智能体在 Minecraft 生存世界中自主协作,用时 27 小时 14 分钟击败末影龙。团队在简易难度的随机世界中编写了 2,783 个程序,期间死亡 605 次,研究人员可实时观看并随时暂停,但未需要介入。据作者所知,这是 AI 智能体首次端到端自主通关 Minecraft,且仅使用标准 Mineflayer 库,未使用人工预设的地图种子或游戏专用工具。

    推荐理由:论文记录了四个智能体在无人设计游戏逻辑的情况下通关Minecraft的过程,其分工、经验共享与长时程规划可作参考。

10月15日周四
  1. arXiv 棋牌与经典游戏 AI 检索36

    人类与AI智能体协作约定的识别与量化:是什么及在哪里

    论文在卡牌游戏Hanabi中提出约定差距指标,用于比较人类与分层智能体对约定的使用。两组独立收集的人类对局中,人类的差距高于所有智能体层级,但在双方共同使用的约定上,人类只与第2层相当,优势集中在提示指向非触碰卡牌的情境。约定使用与玩家对卡牌已知信息有关,多见于中局,屏蔽多个高差距情境的影响远大于单个情境之和。

    推荐理由:论文把约定差距变成可测量的指标,可用来比较人类与不同层级智能体在合作游戏中的默契差异。

  2. arXiv 游戏 AI 检索39

    PAWA:面向多智能体的全景动作条件世界建模

    PAWA 提出了一套面向多人 Minecraft 场景的同步 POV 与全景视频数据集及框架,用于动作条件下的多智能体世界建模。模型采用双塔结构联合预测两路视频,并通过跨注意力对齐共享世界坐标系中朝向相同的 token。论文称其 POV 预测质量优于现有多人世界模型,同时能生成高保真全景预测,数据集与采集流程已开源。

    推荐理由:论文补齐了同步的 POV 与全景视频多人数据,对关注多人世界模型数据构建的读者有参考价值。

  3. arXiv 游戏 AI 检索41

    Player-1:通过合成经验学习游戏操作

    Player-1 是一个后训练框架,通过合成经验让游戏智能体学习超出演示数据范围的游戏操作。在 MineDojo-300 上,Player-1-9B 和 Player-1-35B-A3B 相比各自的 SFT 策略分别提升 27.8 和 17.7 个百分点,其中 Player-1-9B 成功率达到 38.33%,最强对比基线为 12.63%。

    推荐理由:这篇论文把游戏智能体的训练从大量演示数据扩展到16个合成环境中的强化学习,可用来对照理解摆脱演示依赖的思路。

  4. arXiv 游戏 AI 检索35

    SMART:用区域令牌寻址槽位记忆的长时程视频生成

    SMART 提出一种由区域令牌寻址的槽位记忆,在固定存储与计算成本下支撑长时程视频生成中的空间回忆。写入由观察相机寻址,读取由渲染相机查询,无需构建显式三维表示或维护不断增长的缓存。每次读取还会给出置信度,用于调节分块因果扩散 Transformer 对检索内容的信任程度,并在 Memory Maze 和 Minecraft 的长轨迹测试中,于训练时长之外仍保持较高保真度的回忆。

    推荐理由:相比依赖显式三维重建或时序递归的记忆方式,该方法用固定大小的槽位记忆按相机位置寻址,对关注长时程世界模型的读者有参考价值。