Multi-Agent System Iterative Generation Game Development Self-Evolution
摘要

大型语言模型虽能生成游戏代码,但难以实现迭代式的创造性改进。单次生成常导致运行时脆弱、跨版本经验积累不足及创造力评估主观等问题。本文提出 CreativeGame,一个用于迭代生成 HTML5 游戏的多智能体系统。该系统通过四大核心机制解决上述问题:基于程序信号的代理奖励、支持跨版本经验积累的谱系记忆、集成修复与奖励的运行时验证,以及将检索到的机制知识转化为显式计划的机制引导规划循环。实验表明,该系统能支持可解释的版本间进化,并在后期版本中涌现出机制层面的创新。

AI 推荐理由

论文核心在于通过多智能体系统实现游戏的迭代式创造性进化,强调版本间的经验积累与机制创新。

研究机构
University of Bristol Shanghai Jiao Tong University Shandong University Nanjing University Sreal AI
论文信息
作者 Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi et al.
发布日期 2026-04-21
arXiv ID 2604.19926
相关性评分 9/10 (高度相关)