ChatPCG：基于大型语言模型的程序化内容生成奖励设计
人工智能
2024-06-19 v1
摘要
受机器学习快速发展的推动，最近的人工智能进展显著影响了各类游戏类型的生产力。奖励设计在训练游戏 AI 模型中占据核心位置，研究人员需实现特定奖励函数的概念。然而，尽管存在 AI，奖励设计过程仍主要依赖人类专家的创造力和工程技能。因此，本文提出了 ChatPCG，一个由大型语言模型（LLM）驱动的奖励设计框架。它结合人类水平的洞察力与游戏专业知识，自动生成针对特定游戏特性的奖励。此外，ChatPCG 集成了深度强化学习，展示了其在多人游戏内容生成任务中的潜力。结果表明，所提出的 LLM 能够理解游戏机制和内容生成任务，为指定游戏实现定制化内容生成。这一研究不仅凸显了提升内容生成可接入性的潜力，也旨在简化游戏 AI 开发流程。
引用
@article{arxiv.2406.11875,
title = {ChatPCG: Large Language Model-Driven Reward Design for Procedural Content Generation},
author = {In-Chang Baek and Tae-Hwa Park and Jin-Ha Noh and Cheong-Mok Bae and Kyung-Joong Kim},
journal= {arXiv preprint arXiv:2406.11875},
year = {2024}
}
备注
4 pages, 2 figures, accepted at IEEE Conference on Games 2024