PlayCraft:让视觉玩家 agent 试玩并迭代改游戏提升吸引力
Weihao Cheng · hf · 2026-11-20
论文 PlayCraft 提出一个自动化游戏设计框架,用「玩」的体验来驱动游戏迭代改进,目标是提升「掌控感」(mastery)这一关键吸引力来源。
- 玩耍阶段:基于视觉的玩家 agent 观看屏幕、操作、追求目标,跨多轮保留记忆,并汇报进度、结果、决策与反思
- 设计阶段:crafter agent 依据玩家报告估计玩家能力、预测不同熟练度下的表现并与目标学习曲线对比,通过给出更有意义的决策与执行机会来修补差距
- 评测用学习增益(learning gain)与学习斜率(learning slope)衡量:与初始游戏相比,多数设置下均获提升
「研究」频道最新
- ICLR 2027 大批量 desk reject:审稿人未提交 AI 使用声明表 — algo_diver · 2026-11-20
- Chorus 论文:共享 n-gram 嵌入表缩小 87%,性能反超 DeepSeek Engram — brown2green · 2026-11-20
- NeurIPS 论文发布可合成生成的概念瓶颈模型基准,揭示新失败模式 — berkustun · 2026-11-20
- Inhabitant:LLM 智能体零训练完成 74/75 长程家居交互任务 — Yao Zhang · 2026-11-20
- EPFL 团队发布统一 3D 生成模型,一次完成药物设计对接 — HannesStaerk · 2026-11-20
- ICLR27 分数分布:4 万篇投稿中均分 3.0 仅排前 14% — May_F1_ · 2026-11-20