论文页面 - 一项关于大语言模型辅助重构与游戏玩法功能生成在无尽跑酷游戏中的探索性案例研究

来源：https://huggingface.co/papers/2606.21171

摘要

大语言模型在软件开发任务中表现出不同的有效性，能够成功完成局部重构，但在将新游戏玩法功能集成到现有游戏系统方面显示出局限性。

大语言模型（Large language models (https://huggingface.co/papers?q=Large%20language%20models)）越来越多地被用于支持软件开发（software development (https://huggingface.co/papers?q=software%20development)），但在实际游戏开发场景中的实用性仍缺乏充分探索，特别是当生成的代码必须集成到现有游戏软件系统时。本文针对一个自定义的 Python/Pygame 无尽跑酷游戏，对 GPT-4o 进行了一项探索性实证案例研究。该研究考察了六项选定的开发任务：三项局部重构（refactoring (https://huggingface.co/papers?q=refactoring)）任务和三项涉及游戏玩法功能生成（gameplay feature generation (https://huggingface.co/papers?q=gameplay%20feature%20generation)）的任务。其实现成果通过软件度量（software metrics (https://huggingface.co/papers?q=software%20metrics)）、单元测试（unit tests (https://huggingface.co/papers?q=unit%20tests)）和人工游戏评估进行了评价。在本案例研究中，所有三项选定的重构任务在功能上都成功完成，而三项选定的游戏玩法功能生成任务中只有一项实现了正确集成的功能。研究结果表明，在此背景下，GPT-4o 处理局部转换的可靠性高于需要跨多个现有系统实现新游戏交互的任务。鉴于该研究为探索性单案例设计，这些结果应视为指示性观察，而非可推广的类别级模型性能证据。总体而言，本文提供了一个透明的基于案例的说明，展示了大语言模型辅助重构（refactoring (https://huggingface.co/papers?q=refactoring)）和游戏玩法功能生成（gameplay feature generation (https://huggingface.co/papers?q=gameplay%20feature%20generation)）在现有游戏软件系统中的机遇与局限。

查看 arXiv 页面（https://arxiv.org/abs/2606.21171） 查看 PDF（https://arxiv.org/pdf/2606.21171） GitHub1（https://github.com/jan-wun/PSE_Endless-Runner-Game） 添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.21171）

在您的代理中获取此论文：

hf papers read 2606\.21171

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.21171，以将其链接至此页面。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.21171，以将其链接至此页面。

引用此论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.21171，以将其链接至此页面。

包含此论文的合集1