SERIAL
Paper Digest
27 episodes · updated 2026-07-11
Level generation, difficulty estimation, AI reasoning — games research is fascinating but rarely reaches players. Each episode, Fukai picks one paper and unpacks its method and findings for everyone.
Episodes
- Ep. 27Triebel et al.: Does AI Have Both a Head and a Hand on a Classic Physics Puzzle? — Fukai Reads2026-07-11
A paper by Triebel et al. evaluating VLMs on the classic physics puzzle The Incredible Machine 2. Using VLATIM, a five-stage benchmark, it asks whether screen-operating AI can solve problems like humans; the cleverer large models can plan but cannot click precisely, and no model solved even one puzzle to completion.
- Ep. 26Nasvytis & Fan: Einsicht und „Transfer“ zeigen sich in der Art zu sprechen — Fukai liest2026-07-10
Eine Studie von Nasvytis und Fan (Stanford), die Einsicht und Transfer über lautes Denken erfasst. 189 Teilnehmer lösten fünf Streichholz-Rechenrätsel; die Gruppe, die denselben Typ wiederholt sah, wurde nach dem ersten Erfolg schneller und genauer (Trefferquote 0,75 bei Versuch 5) und benannte den Aufgabentyp etwa siebenmal so häufig laut. Das Kennzeichen von Transfer, so lässt sich lesen, ist die Fähigkeit, den Trick in Worte zu fassen.
- Ep. 25Li et al.: Making Geometry Problem Solving Verifiable with a Solver as Referee — Fukai Reads2026-07-09
An arXiv preprint by Can Li et al. on geometry problem solving (GPS). Their SD-GPS translates diagram-and-text problems into a form a symbolic solver can execute, and at impasses proposes helper lemmas verified by the solver itself. The abstract reports it consistently outperforms existing methods on Geometry3K and PGPS9K. Fukai reads it for its use in solvability-guaranteed puzzle generation.
- Ep. 24Sestini et al.: Making AAA Game NPCs Feel Authentic with Reinforcement Learning — Fukai Reads2026-07-08
A vision paper from the research team at Electronic Arts. It tests whether AAA game NPCs can be improved with reinforcement learning, through two real cases — goalkeeper positioning in EA SPORTS FC 25 and infantry locomotion in Battlefield 6 — and lays out seven requirements RL must meet in production. Its conclusion: RL is a tool to augment, not replace, existing game AI.
- Ep. 23Xu et al.: Wenn generative KI zum Kern des Spiels wird — Fukai liest die Studie zu KI-nativen Spielen2026-07-07
Ein Übersichtspapier (arXiv-Preprint) von Zhiyue Xu und fünf weiteren Autoren zu „KI-nativen Spielen", bei denen generative KI selbst zur Kernschleife wird. Definiert wird dies über ein Gedankenexperiment – würde das Spiel ohne die KI nicht mehr funktionieren? – und 53 real existierende Werke werden entlang zweier Achsen klassifiziert: Spieltyp (G) und dominierender KI-Mechanismus (N). Es zeigt sich eine Schlagseite zu narrativen Genres und eine dünne Nutzung von KI zur Regelentscheidung.
- Ep. 22Wermann et al.: How In-Game AI 'Words' vs 'Demonstration' Change Learning and Cognitive Load — Fukai Reads2026-07-06
A pre-registered experiment by LMU Munich and colleagues comparing 'verbal' and 'demonstration' support from an in-game AI NPC. Splitting 152 people into three groups in Qookies, a quantum-technology learning game, they found no difference in learning gains between conditions, but the verbal-plus-visual group reported significantly lower intrinsic cognitive load than the verbal-only group (d=0.60).
- Ep. 21Aryan et al.: When You Stall, the World Changes — AbideGym Turns Static RL Worlds into Adaptivity Tests — Fukai Reads2026-07-05
A preprint by Aryan et al. (Abide AI) on RL environment design. To fight the brittleness that comes from training in fully static worlds, AbideGym rewrites the rules and grows the map mid-episode, triggered by the agent's own inactivity, forcing it to abandon memorized policies and re-plan. The paper presents the design and a comparison to prior work; no experimental results yet.
- Ep. 20Wang et al.: Ein LLM-Agent, der aus dem Blick die „Kopfauslastung“ liest — gelesen von Fukai2026-07-04
Ein Paper von Meta Reality Labs und Kolleg:innen, das die kognitive Last (die „Kopfauslastung“) aus Blickdaten schätzt. Die geringe Generalisierbarkeit und schwere Interpretierbarkeit bisheriger Verfahren adressiert das Framework GazeMind, indem es den Blick strukturiert und ein LLM mit Kontext, individuellen Unterschieden und Beispielen versehen daraus schließen lässt — mit einer Genauigkeit von 62,73 % bei dreistufiger Klassifikation (über 20 Punkte höher als bisherige Verfahren).
- Ep. 19Mirowski et al.: Geschichten nicht „schreiben“, sondern „finden“ — die mit einer Autor:innen-Community gewachsene Schreib-KI „Fabula“ — gelesen von Fukai2026-07-03
Ein Fachartikel zur von Google DeepMind entwickelten Schreib-Unterstützungs-KI „Fabula“. Der „Drama Manager“, der Geschichten hierarchisch plant und generiert, wurde in einem partizipativen Designprozess mit 42 Fachleuten kritisch weiterentwickelt. Dabei zeigte sich: stark in Struktur, schwach in Stil und Überraschung. Fukai liest die Erkenntnisse mit direktem Bezug zur interaktiven Erzählweise in Spielen.
- Ep. 18Özkan: eine Level generierende KI und eine sie durchspielende KI gemeinsam heranziehen — gelesen von Fukai2026-07-02
Ein Paper von Miraç Buğra Özkan, das Levelgenerierung und das Durchspielen von Levels gleichzeitig per bestärkendem Lernen erlernen lässt. In Unity lernen ein Kolibri (in der Rolle des Durchspielers) und eine schwebende Insel (in der Rolle der Generatorin) gemeinsam, indem sie jeweils die Ergebnisse des anderen beobachten, und erreichen bei 100 unbekannten Layouts eine Erfolgsquote von etwa 90,2 %.
- Ep. 17Liu et al.: More Memory Makes AI Agents Less Cooperative — Fukai Reads2026-07-01
An arXiv paper from a Carnegie Mellon-led team studying how an LLM agent's memory length affects cooperation. Across 7 models, 4 repeated social-dilemma games, history windows up to 80 rounds and 500-round matches, longer history degrades cooperation in 18 of 28 settings — a 'memory curse.' The cause is the content of accumulated defection records, not context length, and forward-looking reasoning partly fixes it.
- Ep. 16Feng et al.: Können LLM-Agenten gut verhandeln in einem Handelsspiel? — Fukai liest2026-06-30
Der SidConArena-Benchmark eines Teams der Tsinghua-Universität zur Bewertung von LLM-Agenten in einem kooperativ-kompetitiven Handelsspiel. Aufgebaut auf dem Brettspiel Sidereal Confluence, bewertet er Agenten über Verhandlungs-, Produktions- und verdeckte Gebotsrunden und stellt fest, dass Frontier-Modelle zwar stärker sind, aber immer noch Ressourcen falsch einschätzen, passiv verhandeln und schlecht auf langen Zeithorizonten planen.
- Ep. 15Bazzaz et al.: Der Glaube, es sei KI, aendert das Erleben — gelesen von Fukai2026-06-29
Bazzaz und Cooper untersuchen in einem CHI '26-Artikel Wahrnehmungsverzerrungen bei generiertem Inhalt. 142 Teilnehmer spielten in Super Mario Bros. und Sokoban gemischte Level von Menschen und KI. Obwohl die Spieler den Autor kaum erkennen konnten, bewerteten sie die Level, die sie fuer KI-generiert hielten, als weniger spaszig, schwieriger und frustrierender.
- Ep. 14Liu et al.: AI Assistance Erodes Persistence — A Warning for Hint Design — Fukai Reads2026-06-28
A paper by Grace Liu and colleagues on how AI assistance affects independent problem-solving and persistence. Across RCTs with 1,222 participants, AI raised in-session performance but, once removed, left people solving less and giving up more. Those who got direct answers declined most while hint-users did not, a result that speaks directly to game hint design.
- Ep. 13Jara Gonzalez & Guzdial: Generating Enemy Shapes as Gates You Need a Mechanic to Beat — Fukai Reads2026-06-27
A paper by Jara Gonzalez and Guzdial on generating enemy morphologies (collision shapes). They frame 'enemies defeatable only with a specific mechanic' as a 4x4 grid generation problem, compare reinforcement learning, A* search, and neural generation, and find a simple A* reachability rule yields the best gating and most diverse shapes at the lowest cost.
- Ep. 12Munk et al.: Generating Dynamic Game Text with Small Language Models — Fukai Reads2026-06-25
A paper by Munk et al. (IT University of Copenhagen) on generating in-game text dynamically with small language models (SLMs). It tackles the offline, cost and consistency walls of cloud LLMs using small models aggressively fine-tuned for narrow jobs. Their proof of concept, DefameLM, runs a medieval-RPG smear-poster loop, showing a one-billion-parameter-class model reaches high quality in a few seconds on a consumer PC.
- Ep. 11Zeytuncu: Die Schwierigkeit eines Rätsels bestimmt sich durch „die Anzahl der verwendeten Zahlen” — gelesen von Fukai2026-06-24
Yunus E. Zeytuncu modelliert in diesem Artikel die Schwierigkeit von Ganzzahl-Rechenrätseln (Numbers-Typ: mehrere Zahlen per Grundrechenarten zu einer Zielzahl kombinieren). Ein exakter Solver generiert rund 3,47 Millionen Instanzen; die Schwierigkeit wird über die minimale Schrittanzahl definiert, und es wird gezeigt, dass allein die Anzahl der in der minimalen Lösung verwendeten Zahlen eine „minimale hinreichende Statistik” darstellt, die die Schwierigkeit vollständig vorhersagt.
- Ep. 10Chao et al.: Insight Is About Searching Far — Fukai Reads2026-06-23
A paper on insightful problem-solving by Chao, Hsieh & Wu. Using a Japanese RAT and a simulation to quantify the search path to a solution, it shows that de-fixation is necessary for solving but is not what determines insight; the hallmark of insight is exploring the solution space over greater distances.
- Ep. 9Monti et al.: Measuring AI's Planning Power on a Single-Corridor Sokoban — Fukai Reads2026-06-22
A paper by Monti and colleagues on SokoBench, a benchmark that measures reasoning models' long-horizon planning with Sokoban. By lining up only single-box straight corridors and narrowing difficulty to a single axis (corridor length), it shows that even state-of-the-art reasoning models break down once more than 25-30 moves of lookahead are needed. The authors locate the cause in accumulated miscounting.
- Ep. 8Luo et al.: Können KI-Agenten in einem echten Game-Engine ein spielbares Spiel von Grund auf bauen? — Gelesen von Fukai2026-06-21
GameCraft-Bench von Luo, Wang et al. misst, ob Programmieragenten Spiele end-to-end generieren koennen. Das Benchmark laesst Agenten aus Sprachspezifikationen heraus spielbare Spiele in Godot bauen und bewertet nach Start, Aktions-Replay und Videobewertung — 140 Aufgaben, 15 Genres. Selbst die beste Konfiguration erreicht nur 41,46 %, was zeigt, dass Agenten Mechaniken erstellen koennen, aber noch keine fertigen Produkte mit Tiefe, Lesbarkeit und Politur.
- Ep. 7Li u.a.: AutoBG — eine KI, die Brettspieldesign von der Idee bis zum fertigen Spiel durchgängig unterstützt — gelesen von Fukai2026-06-20
Artikel (arXiv-Preprint) von Zizhen Li u.a. über AutoBG, eine KI zur Unterstützung des Brettspieldesigns. Der gesamte Designprozess, von der ersten Idee über die Regelwerk-Generierung bis zu individuellem Feedback, wird durch eine Verifier-Gated Iteration abgedeckt, die Generierungs- und Bewertungsrolle trennt. BG-Critic, das Bewertungsmodul, überbietet GPT-5.4 in der Diagnosequalität, wie die Autoren berichten.
- Ep. 6Nasir u. a.: die „Regeln selbst" eines Spiels evolvieren lassen — Fukai liest MORTAR2026-06-19
Fachartikel von Nasir, Togelius u. a. zum automatischen Spieldesign. MORTAR schlägt vor, die „Mechaniken (Spielregeln)" selbst per Qualitäts-Diversitäts-Algorithmus und großem Sprachmodell zu evolvieren und ihre Qualität anhand von Siegen und Niederlagen unterschiedlich starker KIs zu messen. Mit GPT-4o-mini werden vielfältige und spielbare Spiele generiert und der Beitrag jeder Mechanik numerisch erfasst.
- Ep. 5Jiang et al.: Lässt sich ein „spielbares Spiel" allein mit Worten erschaffen? — Fukai liest OpenGame2026-06-18
Artikel von Yilei Jiang et al. (Chinesische Universität Hongkong) über OpenGame, einen Open-Source-Agenten zur vollautomatischen Generierung spielbarer 2D-Webspiele aus natürlichsprachigen Beschreibungen. Durch ein wiederverwendbares Gerüst und ein „lebendes Debugging-Handbuch" werden Integrationsfehler reduziert; auf 150 Aufgaben wird ein neuer Bestwert erreicht. Knobelspiele bleiben jedoch das schwierigste Genre.
- Ep. 4McConnell & Zhao: Echtzeit-Generierung von Rätseln mit „genau der richtigen Schwierigkeit" durch genetische Algorithmen — Gelesen von Fukai2026-06-17
Arbeit von McConnell und Zhao zur adaptiven Rätselerzeugung mittels genetischem Algorithmus. Pfadrätsel ähnlich Cosmic Express werden anhand eines Spielermodells, das die Lösungsweise jedes Spielers aufzeichnet, in etwa 7 Sekunden pro Rätsel in Echtzeit generiert. Ein Experiment mit 18 Teilnehmern zeigt, dass die Version, die sich „nur auf die Zeit" stützt, bei wahrgenommener Schwierigkeit und Fortschrittsgefühl schlechter abschneidet.
- Ep. 3Li et al.: Können LLMs 2D-Spiele „spielen und gewinnen"? — Fukai liest GVGAI-LLM2026-06-16
Das GVGAI-LLM-Paper von Li et al. (NYU u.a.). Es schlägt einen Benchmark vor, der Sprachmodelle 118 2D-Spiele spielen lässt, um Schlussfolgerungs- und räumliche Erfassungsfähigkeiten zu messen. Beim Zero-Shot-Lösen nach Übersetzung der Spielfelder in ASCII-Karten erzielte GPT-4o-mini eine Gewinnrate von 0 % bei 477 von 540 Levels und eine Gesamtgewinnrate von 10,27 % — hinter klassischen Suchalgorithmen. Ich entfalte es in der Reihenfolge: Problem, Methode, Befunde, Anwendungsfälle, Grenzen.
- Ep. 2Kar: Laufzeitprüfung generierten Levels auf Begehbarkeit — Fukai liest2026-06-14
Rishabh Kar (King's College London) schlägt mit Momentum ein System vor, das in derselben Spielschleife — ohne das Spiel anzuhalten — prüft, ob generierte Level wirklich durchquerbar sind. Zwei autonome Agenten laufen dem Spieler voraus und inspizieren den Weg vorab: einer per geometrischer Luftkontrolle, einer per NavMesh am Boden. Die Auswertung beruht auf einer strukturellen Schätzung aus dem Code.
- Ep. 1Xu et al.: „Mechanismen" des Spiels als Koordinaten aufwerten, um lösbare Level automatisch zu generieren — Fukai liest2026-06-13
Ein Artikel von Xu und Verbrugge von der McGill University über PCG. Gegenüber traditionellen, geländeorientierten Ansätzen wird HDPCG vorgeschlagen: Pfadsuche auf einem dimensional erweiterten Graphen, bei dem „Mechanismen" wie Gravitationsumkehrung und bewegliche Böden zu Koordinaten aufgewertet werden, mit Lösbarkeitsgarantie während der Generierung. Level wurden in Unity in spielbarer Form reproduziert.