论文页面 - RSIGame：基于递归自我改进的自主智能体游戏开发

来源：https://huggingface.co/papers/2609.39045 作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

大语言模型的最新进展使自动游戏生成变得日益可行，然而在可玩版本的基础上可靠地持续改进生成的游戏仍然充满挑战。朴素的迭代式优化很容易过拟合一小部分测试用例，产生脆弱的游戏，其中存在未解决的 Bug、缺失的行为，以及对更广泛玩家交互的泛化能力不足。我们提出 RSIGame，一个具备递归自我改进能力的自主智能体游戏开发框架。RSIGame 将开发过程组织为相互补充的局部与全局两个循环。具体而言，一个局部的「探索—诊断—改进」循环会广泛探索可执行的游戏，对发现的问题进行诊断与优先级排序，并执行基于证据的修订，其中一份不断演化的检查清单持续积累新的测试与改进建议。全局循环则负责追踪整体质量、保留最优检查点，并在长周期开发中检测性能饱和或退化。除测试时改进外，RSIGame 还进一步通过训练将成功的开发经验内化到生成器中。在 140 个 GameCraft-Bench 任务、两种游戏引擎与五种生成器上，RSIGame 在相同的开发预算下始终能够提升游戏质量。值得注意的是，经验内化使 Qwen3.8-27B 在 Godot 上达到 61.38、在 Phaser 上达到 58.53，超过了 GPT-5.5 的单次生成分数，同时将 Qwen 的生成 token 数量减少了 11 倍。

查看 arXiv 页面 (https://arxiv.org/abs/2609.39045)　查看 PDF (https://arxiv.org/pdf/2609.39045)　项目页面 (https://huggingface.co/spaces/RSIGame/rsigame-page)　GitHub6 (https://github.com/WenyiWU0111/RSIGame)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.39045)

引用本文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.39045，即可从本页面链接到该模型。

引用本文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.39045，即可从本页面链接到该数据集。

引用本文的 Spaces 1

收录本文的合集 0

暂无合集收录此论文

将本文添加到合集 (https://huggingface.co/new-collection)，即可从本页面链接到它。