跳到主要内容
检索

# 智能体游戏开发

2 篇关联报道

订阅更新
  1. arXiv

    RSIGame 用局部探索-诊断-改进加全局最优检查点,把 Qwen3.8-27B 在 Godot 上从 37.07 提到 61.38,超过 GPT-5.5 单次生成的 50.26

    RSIGame 把自动游戏开发组织成递归自我改进:局部 explore-diagnose-improve 循环广泛探索可执行游戏、诊断并排序问题、基于证据修改,并用不断增长的检查清单累积测试与改进指引;全局循环跟踪整体质量、保留最佳检查点并检测饱和或回退;此外把成功的开发经验通过监督微调内化进生成器,在 140 个 GameCraft-Bench 任务、Godot 与 Phaser 两个引擎、五个生成器上于同等开发预算下持续提升游戏质量,其中经验内化使 Qwen3.8-27B 在 Godot 达到 61.38、在 Phaser 达到 58.53,超过 GPT-5.5 单次生成分数并把 Qwen 的生成 token 减少 11 倍。

  2. arXiv

    A2Z GameSpec-Bench 用 100 份长文档 GDD 检验编码智能体:可编译率近 99%,但整体 GDD Fidelity 最高仅 77.0

    该工作提出 A2Z GameSpec-Bench,用 100 份长文档游戏设计文档(GDD,Small 与 Big 各 50 份,平均 14,085 与 26,297 tokens)把每份 GDD 转成固定的依赖感知契约,再以源码检查、场景回放与自适应试玩三条通道评估编码智能体端到端生成游戏的忠实度,结果显示可编译可运行并不等于忠实实现(如 Claude-Fable-5.1 可验证率 98.7% 而整体 GDD Fidelity 为 77.0),依赖上下文把已记录试玩违规的覆盖从 71.1% 提升到 80.2%,需求级反馈两轮后相对自我修订把 Big GDD 上的整体 GDD Fidelity 提升 10.9%。

已读完全部报道