Paper page - CreativeGame：面向机制感知的创意游戏生成

来源：https://huggingface.co/papers/2604.19926

摘要

一种用于迭代式 HTML5 游戏生成的多智能体系统，通过程序化奖励、血统记忆、运行时验证与机制引导规划，实现可解释的跨版本演化。

大型语言模型（https://huggingface.co/papers?q=Large%20language%20models）已经能够生成看似合理的游戏代码，但将这一能力转化为持续的创意迭代仍然困难。实践中，单次生成往往导致脆弱的运行时行为、跨版本经验积累不足，且创意评分过于主观，难以作为可靠的优化信号。另一局限在于，游戏机制常被仅当作事后描述，而非可在生成过程中被规划、追踪、保留与评估的显式对象。本文提出 CreativeGame，一个用于迭代式 HTML5 游戏生成（https://huggingface.co/papers?q=HTML5%20game%20generation）的多智能体系统（https://huggingface.co/papers?q=multi-agent%20system），通过四项耦合设计解决上述问题：以程序化信号（https://huggingface.co/papers?q=programmatic%20signals）而非纯 LLM 判断为核心的代理奖励（https://huggingface.co/papers?q=proxy%20reward）；用于跨版本经验积累的谱系记忆（https://huggingface.co/papers?q=lineage-scoped%20memory）；融入修复与奖励计算的运行时验证（https://huggingface.co/papers?q=runtime%20validation）；以及将检索到的机制知识先转为显式机制规划再开始代码生成的机制引导规划（https://huggingface.co/papers?q=mechanic-guided%20planning）循环。目标不仅是单步产出可玩产物，而是支持可解释的跨版本演化（https://huggingface.co/papers?q=version-to-version%20evolution）。当前系统存储 71 条血统、88 个保存节点与 774 项全局机制档案，共 6,181 行 Python 实现，并配套检查与可视化工具，足以支撑架构分析、奖励检查与真实谱系级案例研究，而非仅停留于提示级演示。一条真实的 4 代血统显示，机制级创新可在后期版本中出现，并可通过版本记录直接检视。核心贡献不仅在于游戏生成，更在于通过显式机制变更观察渐进演化的具体流水线。

查看 arXiv 页面（https://arxiv.org/abs/2604.19926）
查看 PDF（https://arxiv.org/pdf/2604.19926）
添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2604.19926）

在智能体中获取该论文：

hf papers read 2604.19926

尚未安装最新 CLI？
curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 0

暂无模型链接该论文

在模型 README.md 中引用 arxiv.org/abs/2604.19926 即可在此页面显示链接。

引用该论文的数据集 0

暂无数据集链接该论文

在数据集 README.md 中引用 arxiv.org/abs/2604.19926 即可在此页面显示链接。

引用该论文的 Spaces 0

暂无 Space 链接该论文

在 Space README.md 中引用 arxiv.org/abs/2604.19926 即可在此页面显示链接。

收录该论文的合集 0

暂无合集收录该论文

将该论文添加到合集（https://huggingface.co/new-collection）即可在此页面显示链接。