LLM驱动游戏叙事中的玩家驱动涌现
计算与语言
2024-06-05 v3 人工智能
摘要
我们探讨了与大型语言模型（LLM）的交互如何引发涌现行为，从而赋能玩家参与游戏叙事的演化。我们的测试平台是一款文字冒险游戏，玩家在固定的叙事前提下尝试解开谜团，但可以自由地与由大型语言模型 GPT-4 生成的非玩家角色互动。我们招募了 28 名玩家来玩这款游戏，并使用 GPT-4 自动将游戏日志转换为表示玩家游戏过程中叙事的节点图。我们发现，通过与 LLM 的非确定性行为进行交互，玩家能够发现有趣的新涌现节点，这些节点不属于原始叙事，但具有带来乐趣和参与感的潜力。创造出最多涌现节点的玩家，往往是那些经常喜欢促进发现、探索和实验的游戏的玩家。
引用
@article{arxiv.2404.17027,
title = {Player-Driven Emergence in LLM-Driven Game Narrative},
author = {Xiangyu Peng and Jessica Quaye and Sudha Rao and Weijia Xu and Portia Botchway and Chris Brockett and Nebojsa Jojic and Gabriel DesGarennes and Ken Lobb and Michael Xu and Jorge Leandro and Claire Jin and Bill Dolan},
journal= {arXiv preprint arXiv:2404.17027},
year = {2024}
}
备注
Accepted at IEEE Conference on Games 2024