Instruction-Driven Game Engines on Large Language Models

Instruction-Driven Game Engine（IDGE）项目旨在通过使用大型语言模型（LLM）遵循自由形式的游戏规则并自主生成游戏过程，使游戏开发民主化。IDGE允许用户通过发出简单的自然语言指令来创建游戏，从而显著降低了游戏开发的门槛。我们将IDGE的学习过程视为下一个状态预测任务，其中模型在给定玩家操作的情况下自回归地预测游戏状态。这是一项具有挑战性的任务，因为游戏状态的计算必须精确，否则轻微的错误可能会破坏游戏过程。为了解决这个问题，我们以课程方式训练IDGE，逐步增加模型对复杂情况的暴露。我们的初始进展在于开发一个针对扑克牌的IDGE，这是一种普遍受人喜爱的纸牌游戏。我们设计的引擎不仅支持各种扑克变体，还允许通过自然语言输入高度定制规则。此外，它还支持从最少的样本中快速原型设计新游戏，提出了一种依赖最少提示和数据工程的创新游戏开发范例。这项工作为指令驱动游戏创作的未来发展奠定了基础，有可能改变游戏的设计和玩法方式。

论文旨在通过开发Instruction-Driven Game Engine（IDGE）项目，使用大型语言模型（LLM）自动生成游戏过程，从而降低游戏开发门槛，这是否是一个新问题？

论文通过将学习过程视为下一个状态预测任务，逐步增加模型对复杂情况的暴露来训练IDGE，使其能够自动根据玩家的指令生成游戏过程。这种方法为游戏开发提供了一种新的范式，依赖于最少的提示和数据工程。

论文的亮点在于使用自然语言输入来支持广泛的扑克变体，并支持自定义规则，同时还可以从最少的样本中快速原型设计新游戏。实验设计了一种渐进式训练方法，逐步增加模型对复杂情况的暴露。论文还提出了一种基于大型语言模型的游戏开发新范式，这在游戏设计和游戏玩法方面具有潜在的变革意义。

近年来，还有一些相关研究，如：1）OpenAI的GPT-3模型；2）DeepMind的AlphaGo Zero算法；3）Facebook的ELF平台。