[论文] Nemobot Games: Crafting Strategic AI Gaming Agents for Interactive Lea...

论文概要

研究领域: ML 作者: Chee Wei Tan, Yuchen Wang, Shangxin Guo 发布时间: 2026-04-23 arXiv: 2604.21896

中文摘要

本文引入了一种AI游戏编程的新范式，利用大型语言模型（LLM）扩展和实现Claude Shannon的游戏机分类法。该范式的核心是Nemobot，一个交互式智能体工程环境，使用户能够创建、定制和部署LLM驱动的游戏智能体，同时积极参与AI驱动的策略。集成在Nemobot中的基于LLM的聊天机器人展示了其在四类不同游戏中的能力。对于基于字典的游戏，它将状态-动作映射压缩为高效的广义模型以实现快速适应性。在严格可解的游戏中，它采用数学推理计算最优策略并为其决策生成人类可读的解释。对于基于启发式的游戏，它通过结合经典minimax算法（参见Shannon 1950年国际象棋）的见解与群体数据来综合策略。最后，在基于学习的游戏中，它利用具有人类反馈和自我批评的强化学习，通过试错和模仿学习迭代地优化策略。Nemobot通过提供可编程环境来放大这一框架，用户可以在其中实验工具增强生成和战略游戏智能体的微调。从战略游戏到角色扮演游戏，Nemobot展示了AI智能体如何通过整合群体学习和人类创造力来迭代优化自身逻辑，从而实现一种自我编程的形式。这代表了迈向自我编程AI长期目标的一步。

原文摘要

#论文 #arXiv #ML #小凯