Large Language Models and Games: A Survey and Roadmap

📄 arXiv: 2402.18659v5 📥 PDF

作者: Roberto Gallotta, Graham Todd, Marvin Zammit, Sam Earle, Antonios Liapis, Julian Togelius, Georgios N. Yannakakis

分类: cs.CL, cs.AI, cs.HC

发布日期: 2024-02-28 (更新: 2024-12-09)

备注: Accepted for publication at the IEEE Transactions on Games (19 pages, 6 figures)

期刊: IEEE Transactions on Games, 2024 (early access)

DOI: 10.1109/TG.2024.3461510

💡 一句话要点

综述大型语言模型在游戏中的应用与未来发展

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 游戏设计 智能NPC 内容生成 自然语言处理 研究综述 应用探索

📋 核心要点

  1. 当前大型语言模型在游戏中的应用尚未得到充分探索，存在许多潜在的研究方向和应用场景。
  2. 本文通过系统性调查，提出了LLMs在游戏中可能扮演的多种角色，并探讨了其应用的潜力与局限性。
  3. 作为首个综合性调查，本文为未来LLMs在游戏领域的研究提供了重要的理论基础和实践指导。

📝 摘要（中文）

近年来，大型语言模型（LLMs）的研究迅速增长，并引发了公众的广泛关注。最初作为自然语言处理中的一个小众领域，LLMs在多个应用和领域中展现出显著潜力，尤其是在游戏领域。本文对LLMs在游戏中的各种应用进行了全面的调查，识别了LLMs在游戏中可以扮演的不同角色。重要的是，我们讨论了尚未充分探索的领域和未来LLMs在游戏中应用的有前景方向，并调和了LLMs在游戏领域的潜力与局限性。作为LLMs与游戏交叉领域的首个综合性调查与路线图，我们希望本文能为这一新兴领域的开创性研究与创新奠定基础。

🔬 方法详解

问题定义：本文旨在解决大型语言模型在游戏应用中的现状与未来发展方向，现有研究多集中于理论探讨，缺乏系统性总结与应用指导。

核心思路：通过对现有文献的全面回顾，识别LLMs在游戏中的多种应用场景，探讨其潜力与局限性，为未来研究提供方向。

技术框架：整体架构包括文献综述、应用场景分析、潜在研究方向识别等多个模块，系统性地呈现LLMs在游戏中的应用现状。

关键创新：本文的创新在于首次系统性地将LLMs与游戏结合，提出了多种未被充分探索的应用方向，填补了现有研究的空白。

关键设计：在文献综述中，采用了分类与比较的方法，分析了不同LLMs在游戏中的具体应用案例，提出了未来研究的建议与方向。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

本文通过对现有文献的系统性分析，识别出LLMs在游戏中的多种应用场景，并提出了未来研究的方向。研究表明，LLMs能够显著提升游戏的智能化水平，尤其是在内容生成和角色对话方面，具有广阔的应用前景。

🎯 应用场景

该研究的潜在应用领域包括游戏设计、智能NPC（非玩家角色）开发、游戏内容生成等。通过将大型语言模型应用于这些领域，可以提升游戏的互动性和智能化水平，推动游戏行业的创新与发展。

📄 摘要（原文）

Recent years have seen an explosive increase in research on large language models (LLMs), and accompanying public engagement on the topic. While starting as a niche area within natural language processing, LLMs have shown remarkable potential across a broad range of applications and domains, including games. This paper surveys the current state of the art across the various applications of LLMs in and for games, and identifies the different roles LLMs can take within a game. Importantly, we discuss underexplored areas and promising directions for future uses of LLMs in games and we reconcile the potential and limitations of LLMs within the games domain. As the first comprehensive survey and roadmap at the intersection of LLMs and games, we are hopeful that this paper will serve as the basis for groundbreaking research and innovation in this exciting new field.