论文解读 · 2026年10月9日
Recursive Game Creator：以游玩体验为中心、基于智能体的游戏开发 Harness
Recursive Game Creator: An Agentic Product-Level Experience-Oriented Game Harness
Designer、Builder、Player、Reviewer 循环迭代，用代码策略来游玩和评估游戏，在 GameCraft-Bench 上取得最高分 77.89。
问题
编程智能体可以快速做出能运行的游戏。但程序运行正常并不保证游戏有趣。现有方法让 GUI 智能体看着截图测试游戏。这种方式速度慢，会遗漏游戏状态信息，也难以收集多样的游玩数据。因此，以“游玩体验”为标准迭代改进游戏存在局限。
方法
构建了由四个角色组成的迭代循环。Designer 根据用户指令和评审反馈制定计划（改进假设、变更内容、验收标准、所需资源）。Builder 编写初稿、生成资源并进行整合，做出候选游戏。Coding-Native Player 利用游戏的编程接口，编写在策略、水平和探索倾向上各不相同的策略代码，并反复、并行地运行这些策略以收集 Trajectory。Reviewer 综合成功率、游玩时长等通用指标、按类型划分的评分细则、截图等视觉证据以及用户偏好，在隐藏版本信息的情况下对候选版本和已有版本做 A/B 比较，保留更好的一方，并生成下一轮使用的反馈。
结果
- 在从 GameCraft-Bench 中选出的 45 个任务上经过 3 轮改进后，综合得分从 72.70 升至 77.89，提高 5.19。所有报告的类别得分均有提升，在所比较方法中最高。
- GameASG-Bench 严格标准下的任务成功率为 53.2%（25/47），比使用相同模型的基线高 34.1 个百分点。
- GameASG-Bench 的平均运行时检查通过率为 93.4%，在所比较方法中最高。
- 作者报告称，在用户研究中，用该方法制作的游戏游玩时间更长，评分也更高。
局限
正如作者所承认的，基于策略的玩家只是代理策略，并不代表真实的人类玩家群体。仅凭游玩时长等代理指标也无法证明游戏有趣。只有当游戏具备暴露状态和动作的编程接口时才能应用。GameCraft-Bench 只评估了部分任务（45 个）。包括策略生成、修改、执行和评审在内的整体成本分析，在本摘录中难以确认。代码尚未公开。
意义
这是将基于智能体的生成目标从“能运行的成果”转向“用户体验质量”的尝试。用代码策略快速收集游玩数据、取代每步都调用模型的 GUI 测试，这种方式也可用于游戏以外的交互式软件评估。
关键术语
- Harness
- 将多个智能体、工具和评估阶段组合起来，运行迭代工作流的执行框架。
- Coding-Native Player
- 不是每次看屏幕做判断，而是编写并运行读取游戏状态、选择动作的策略代码，从而收集游玩记录的测试智能体。
- Trajectory
- 一次游玩中记录的状态、动作、事件、进度、时间和结束结果的连续记录。
- 游戏专属评分细则（Game-specific Rubric）
- 按游戏类型分别规定重要评估标准的评分表。例如，赛车游戏看转向响应性，视觉小说看对话的连贯性。
原文
作者: Jiajun Chen, Haoyu Wu, Mingda Jia, Xihui Liu · 发布 2026-10-06 · 许可 arXiv 비독점 배포 라이선스 · 基于全文分析
本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。