游戏中的程序生成内容：与新兴大型语言模型整合的调查
原文中文，约400字，阅读约需1分钟。发表于：。本文探讨了程序生成内容（PCG）在游戏中的应用及其与大型语言模型（LLMs）整合的潜力。研究填补了现有文献中的空白，通过分析各种PCG算法的优缺点，提供了新的视角和结合方法。文章的核心发现是LLMs的引入可能会革新游戏内容的生成方式，提升玩家参与度并减轻设计师的负担。
论文介绍了PCGPT框架，将离线强化学习与Transformer网络结合用于程序化内容生成。PCGPT通过自回归模型生成游戏关卡，解决了传统方法中的内容重复和不一致问题。利用自注意机制捕捉时间依赖性，在Sokoban游戏中生成更复杂多样的内容，并在较少步骤中实现结果，展示了增强游戏设计的潜力。
