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 et Fan : l'insight et le « transfert » se manifestent dans la manière de parler — lu par Fukai2026-07-10
Un article de Nasvytis et Fan, de Stanford, qui saisit l'insight et le transfert à travers la verbalisation de la pensée. Cent quatre-vingt-neuf participants ont résolu cinq énigmes d'équations d'allumettes ; le groupe qui répétait le même type est devenu plus rapide et plus précis après sa première bonne réponse (taux de réussite de 0,75 à l'essai 5), et la proportion de personnes verbalisant le type du problème a été multipliée par environ sept. On peut lire que le signe du transfert est « la capacité à mettre l'astuce en mots ».
- 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. : quand l'IA générative devient le « cœur du jeu » — Fukai décrypte une étude sur les jeux nativement IA2026-07-07
Un article de synthèse (prépublication arXiv) signé par Zhiyue Xu et cinq coauteurs, consacré aux « jeux nativement IA », où l'IA générative constitue la boucle centrale elle-même. Le concept est défini par un contrefactuel — le jeu tiendrait-il debout si l'on retirait l'IA ? — et 53 œuvres réelles sont classées selon deux axes : le type de jeu (G) et le mécanisme d'IA dominant (N). L'étude montre un biais marqué vers les genres narratifs et un usage encore ténu de l'IA pour arbitrer les règles.
- 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. : un agent LLM qui lit à quel point la tête est « occupée » à partir du regard — lu par Fukai2026-07-04
Un article de Meta Reality Labs et al. proposant d'estimer la charge cognitive (à quel point la tête est occupée) à partir des données de regard. Face à la faible généralisation et à la difficile interprétabilité des méthodes existantes, les auteurs structurent le regard et le font raisonner par un LLM, muni de contexte, de différences individuelles et d'exemples, via le cadre GazeMind, qui rapporte une précision de 62,73 % en classification à 3 niveaux (plus de 20 points au-dessus des méthodes existantes).
- Ep. 19Mirowski et al. : faire passer le récit de « l'écrire » au « le trouver » — Fabula, une IA d'écriture cultivée avec une communauté d'auteurs — lu par Fukai2026-07-03
Un article sur Fabula, une IA d'aide à l'écriture développée par Google DeepMind. Son « gestionnaire de drame », qui planifie et génère un récit de façon hiérarchique, a été façonné de manière critique avec 42 experts en co-conception participative : le système s'est révélé solide pour la structure, mais faible sur le style et la surprise. Fukai en tire des enseignements qui s'appliquent directement au récit interactif dans le jeu vidéo.
- Ep. 18Özkan : entraîner ensemble l'IA qui génère les niveaux et l'IA qui les résout — lu par Fukai2026-07-02
Un article de Miraç Buğra Özkan qui fait apprendre simultanément, par apprentissage par renforcement, la génération de niveaux et leur résolution. Sur Unity, un colibri (le solveur) et une île flottante (le générateur) apprennent en observant mutuellement leurs résultats, atteignant environ 90,2 % de réussite sur 100 configurations inédites.
- 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. : les agents LLM peuvent-ils bien marchander dans un jeu commercial ? — Fukai lit2026-06-30
Le benchmark SidConArena d'une équipe de l'Université Tsinghua, conçu pour évaluer les agents LLM dans un jeu commercial coopératif-et-compétitif. Construit sur le jeu de plateau Sidereal Confluence, il évalue les agents sur trois phases (négociation, production, enchère à pli cacheté) et constate que les modèles de pointe sont plus forts mais continuent à mal évaluer les ressources, à négocier passivement et à mal planifier sur de longues durées.
- Ep. 15Bazzaz et al. : Penser que c'est de l'IA change l'experience — lu par Fukai2026-06-29
Un article CHI '26 de Bazzaz et Cooper sur les biais de perception du contenu genere. 142 participants ont joue a des niveaux melanges dans Super Mario Bros. et Sokoban. Les joueurs ne parviennent presque pas a identifier l'auteur, mais les niveaux qu'ils croient etre generes par IA sont juges moins amusants, plus difficiles et plus frustrants.
- 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 : la difficulté d'un puzzle est déterminée par « le nombre de chiffres utilisés » — lu par Fukai2026-06-24
Article de Yunus E. Zeytuncu sur la modélisation de la difficulté dans les puzzles arithmétiques entiers (puzzles de type Numbers où l'on combine des chiffres pour atteindre un nombre cible). Un solveur exact génère environ 3,47 millions d'instances, la difficulté est définie par le nombre minimal d'opérations, et l'article démontre que le seul nombre de chiffres utilisés dans la solution minimale constitue une « statistique suffisante minimale » permettant de prédire parfaitement la difficulté.
- 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. : Les agents IA peuvent-ils créer un jeu jouable de bout en bout dans un moteur réel ? — Lu par Fukai2026-06-21
La base d'évaluation GameCraft-Bench de Luo, Wang et al. mesure si des agents de programmation peuvent générer des jeux de bout en bout. Le benchmark demande aux agents de créer, à partir de spécifications en langue naturelle, un jeu jouable sur Godot, et l'évalue selon trois critères : lancement, replay d'actions et notation vidéo — 140 tâches, 15 genres. Même la meilleure configuration n'atteint que 41,46 %, montrant que les agents peuvent créer des mécaniques, mais pas encore des produits finis dotés de profondeur, de lisibilité et de finition.
- Ep. 7Li et al. : AutoBG, une IA qui accompagne la conception de jeux de plateau de l’idée à l’achèvement — lu par Fukai2026-06-20
Article (preprint arXiv) sur AutoBG, une IA d’assistance à la conception de jeux de plateau par Zizhen Li et al. L’ensemble du processus de conception, de l’idée à la génération du livret de règles et aux retours individualisés, est traité par une Verifier-Gated Iteration séparant rôle de génération et rôle d’évaluation. BG-Critic, le module évaluateur, dépasse GPT-5.4 en qualité de diagnostic, selon les auteurs.
- Ep. 6Nasir et al. : faire évoluer les « règles mêmes » du jeu — Fukai lit MORTAR2026-06-19
Article de Nasir, Togelius et al. sur la conception automatique de jeux. MORTAR propose de faire évoluer les « mécaniques (règles du jeu) » elles-mêmes par un algorithme de qualité-diversité et un grand modèle de langage, en mesurant la qualité par les victoires et défaites d'IA de niveaux différents. GPT-4o-mini génère des jeux variés et jouables, et la contribution de chaque mécanique est quantifiée.
- Ep. 5Jiang et al. : peut-on créer un « jeu jouable » rien qu'avec des mots ? — Fukai lit OpenGame2026-06-18
Article de Yilei Jiang et al. (Université chinoise de Hong Kong) présentant OpenGame, un agent open source qui génère automatiquement des jeux web 2D complets à partir de descriptions en langage naturel. En s'appuyant sur un squelette réutilisable et un « manuel de débogage vivant », il limite les erreurs d'intégration et atteint l'état de l'art sur 150 tâches. Les puzzles restent néanmoins le genre le plus difficile à traiter.
- Ep. 4McConnell & Zhao : générer en temps réel des puzzles au niveau de difficulté « idéal » par algorithme génétique — Lu par Fukai2026-06-17
Article de McConnell et Zhao sur la génération adaptative de puzzles à l'aide d'un algorithme génétique. Des puzzles de tracé de chemin proches de Cosmic Express sont générés en temps réel en environ 7 secondes par puzzle, adaptés à un modèle de joueur enregistrant la façon de résoudre de chaque joueur. Une expérience avec 18 participants montre que la version reposant « uniquement sur le temps » est inférieure en termes de difficulté perçue et de sentiment de progression.
- Ep. 3Li et al. : Les LLM peuvent-ils « jouer et gagner » à des jeux 2D ? — Fukai lit GVGAI-LLM2026-06-16
L'article GVGAI-LLM de Li et al. (NYU et autres). Il propose un benchmark qui fait jouer des modèles de langage à 118 jeux 2D pour mesurer leur capacité de raisonnement et de compréhension spatiale. En traduisant les grilles en cartes ASCII et en résolvant en zero-shot, GPT-4o-mini a obtenu un taux de victoire de 0 % sur 477 des 540 niveaux, et un taux global de 10,27 %, restant en deçà des algorithmes de recherche classiques. Je l'analyse dans l'ordre : problème, méthode, résultats, utilisations, limites.
- Ep. 2Kar : vérifier en temps réel si un niveau généré est praticable — lecture par Fukai2026-06-14
Article de Rishabh Kar (King's College London) sur la PCG. Il propose Momentum, un système qui valide la praticabilité des niveaux générés dans la même boucle de jeu, sans jamais stopper l'exécution. Deux agents autonomes courent devant le joueur et inspectent la route en avance, l'un par détection géométrique aérienne, l'autre par NavMesh au sol. L'évaluation repose sur une estimation structurelle tirée du code.
- Ep. 1Xu et al. : Élever les « mécanismes » du jeu au rang de coordonnées pour générer automatiquement des niveaux solubles — Fukai lit2026-06-13
Un article de Xu et Verbrugge de l'Université McGill sur la PCG. Face aux méthodes traditionnelles qui donnent la priorité au terrain, ils proposent HDPCG : un cadre qui effectue des recherches de chemin sur un graphe à dimensions étendues où les « mécanismes » tels que l'inversion de gravité et les sols mobiles sont élevés au rang de coordonnées, garantissant la solubilité pendant la génération. Les niveaux ont été reproduits sous forme jouable dans Unity.