基于语法的大型语言模型的游戏描述生成
内容提要
本文探讨了大型语言模型（LLMs）在游戏生成中的应用，提出了一种基于视频游戏描述语言的框架，能够生成游戏规则和关卡。研究表明，LLMs在生成Sokoban游戏关卡方面表现良好，且性能随着数据集规模的增加而增强。此外，文章总结了2022至2024年间与LLMs相关的76篇研究，为未来的游戏设计和开发提供了基础。
延伸解读
LLM生成游戏内容的可行性
文章指出，大型语言模型能够生成游戏规则和关卡，例如在Sokoban关卡生成中表现良好，且性能随数据集规模增加而提升。在Metavoidal游戏案例中，仅用60个手动设计房间微调后，可生成37%的可玩新颖关卡。这表明LLM在过程性内容生成中具有实际应用潜力，但生成质量仍受数据规模和人工干预程度影响。
研究趋势与领域分布
文章总结了2022至2024年初的76篇相关论文，主要关注游戏人工智能、游戏开发、叙事以及游戏研究和评论。这些研究涵盖了从规则生成到关卡设计、从协作设计框架到对象目标导航等多个方向，反映出LLM在游戏领域的应用正快速扩展，但整体仍处于早期探索阶段，尚未形成统一的技术标准。
技术路径的多样性
文章提及了多种技术路径，包括基于视频游戏描述语言的框架、结合交互进化与LLM的协作设计框架、使用自然语言作为编程语言优化问题解决，以及利用LLM和LVLMs实现对象目标导航。这些方法各有侧重，有的强调规则与关卡联合生成，有的注重模拟人类设计过程，为不同游戏生成需求提供了灵活选择。
当前局限与未来方向
尽管LLM在游戏生成中展现出潜力，但文章也指出其性能依赖数据集规模，且部分方法需要人工干预微调。此外，综述提到LLM在游戏领域仍有未开发领域，如更复杂的规则空间和全局约束适应。未来研究需进一步探索如何减少人工依赖、提升生成内容的多样性和可玩性，并建立更系统的评估标准。
Q&A
大型语言模型如何应用于游戏生成？
大型语言模型可以生成游戏规则和关卡，提供过程性内容生成的新机遇。
Sokoban游戏关卡生成的研究结果如何？
研究表明，LLMs能够有效生成Sokoban游戏关卡，且性能随着数据集规模的增加而提高。
文章总结了哪些与LLMs相关的研究？
文章总结了2022至2024年间与LLMs相关的76篇研究，主要关注游戏人工智能、游戏开发和叙事等领域。
如何使用LLMs生成名为Metavoidal的游戏？
通过微调方法，使用LLMs生成Metavoidal游戏的二维房间，从60个手动设计的房间中生成37%的可玩新颖关卡。
文章中提到的协作设计框架是什么？
该框架结合了交互进化和LLMs，模拟人类设计过程，并在游戏设计任务中进行了评估。
自然语言如何作为编程语言优化任务解决能力？
自然语言作为编程语言描述任务过程，结合Learning to Program方法，优化复杂任务的问题解决能力。
