沙里淘金：利用中型 LLM 将想象的 SPARC 转化为游戏概念
人机交互
2026-05-19 v1
摘要
近期研究表明，大型语言模型（LLM）能够为包括游戏设计在内的各个领域的专家提供支持。在本研究中，我们考察了中型 LLM 的实用性，即在小型工作室或家庭环境中通常可用的消费级硬件上运行的模型。我们首先确定了构成优秀游戏概念的十个关键方面，并使用 ChatGPT 生成了三十个示例游戏创意。随后，我们提示三个中型 LLM（LLaMA 3.1、Qwen 2.5 和 DeepSeek-R1）根据先前确定的方面评估这些创意。两位研究人员的定性评估比较了各模型的输出，结果显示 DeepSeek-R1 产生了最持续有用的反馈，尽管在质量上存在一些差异。为了探索现实世界的适用性，我们在一门面向游戏开发的叙事课程中开展了一项包含十名学生的试点研究。在自身项目的早期阶段，学生使用我们的提示和 DeepSeek-R1 来完善他们的游戏概念。结果表明反响积极：大多数参与者将输出评为高质量，并表示有兴趣在工作流程中使用此类工具。这些发现表明，当前的中型 LLM 能够在早期游戏设计中提供有价值的反馈，尽管进一步改进提示方法可以提高一致性和整体有效性。
引用
@article{arxiv.2509.24730,
title = {Diamonds in the rough: Transforming SPARCs of imagination into a game concept by leveraging medium sized LLMs},
author = {Julian Geheeb and Farhan Abid Ivan and Daniel Dyrda and Miriam Anschütz and Georg Groh},
journal= {arXiv preprint arXiv:2509.24730},
year = {2026}
}
备注
Appears in Proceedings of AI4HGI '25, the First Workshop on Artificial Intelligence for Human-Game Interaction at the 28th European Conference on Artificial Intelligence (ECAI '25), Bologna, October 25-30, 2025