游戏程序化内容生成：基于新兴LLM集成的综述
人工智能
2025-02-06 v1
摘要
程序化内容生成（PCG）被定义为使用算法自动创建游戏内容的过程。PCG在游戏行业和学术界都有悠久的历史。它可以增加玩家的参与感并减轻游戏设计师的工作负担。尽管深度学习方法在PCG中取得的最新进展使研究人员和实践者能够创建更复杂的内容，但 truly 颠覆PCG发展轨迹的是大型语言模型（LLM）的到来。本综述探讨了用于PCG的各种算法之间的差异，包括基于搜索的方法、基于机器学习的方法、其他常用方法（例如噪声函数），以及新晋的LLM。我们还提供了关于组合方法的详细讨论。此外，我们根据生成内容的类型以及各自论文的发表日期进行方法比较。最后，我们确定了现有学术工作中的空白，并提出了未来研究的可能方向。
引用
@article{arxiv.2410.15644,
title = {Procedural Content Generation in Games: A Survey with Insights on Emerging LLM Integration},
author = {Mahdi Farrokhi Maleki and Richard Zhao},
journal= {arXiv preprint arXiv:2410.15644},
year = {2025}
}