論文ダイジェスト

连载一览

1. 第27期
   Triebel et al.: Does AI Have Both a Head and a Hand on a Classic Physics Puzzle? — Fukai Reads

   2026-07-11

   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.

2. 第26期
   Nasvytis & Fan：灵感与「迁移」显现于说话方式之中——Fukai 解读

   2026-07-10

   这是斯坦福大学Nasvytis与Fan所著的一篇论文，通过思维发声来捕捉灵感与迁移现象。研究让189名参与者解答5道火柴棒算式谜题，同一类型反复出现的组别在首次答对之后也变得更快更准确(第5次试验正确率达0.75)，把问题类型说出口的比例增加了约7倍。可以解读为，迁移的标志正是「能够把诀窍说出来」。

3. 第25期
   Li et al.: Making Geometry Problem Solving Verifiable with a Solver as Referee — Fukai Reads

   2026-07-09

   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.

4. 第24期
   Sestini et al.: Making AAA Game NPCs Feel Authentic with Reinforcement Learning — Fukai Reads

   2026-07-08

   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.

5. 第23期
   Xu 等人:生成式 AI 成为“玩法之芯”的游戏是什么样子——Fukai 解读 AI 原生游戏调查

   2026-07-07

   由 Zhiyue Xu 等 6 人撰写的调查论文(arXiv 预印本),研究生成式 AI 本身成为核心循环的“AI 原生游戏”。论文以“去掉 AI 玩法是否还能成立”这一反事实标准来定义,并将实际存在的 53 部作品按游戏类型(G)与主导 AI 作用(N)两个维度分类,结果显示作品明显偏向叙事类,而用于裁定规则的用法仍然稀薄。

6. 第22期
   Wermann et al.: How In-Game AI 'Words' vs 'Demonstration' Change Learning and Cognitive Load — Fukai Reads

   2026-07-06

   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).

7. 第21期
   Aryan et al.: When You Stall, the World Changes — AbideGym Turns Static RL Worlds into Adaptivity Tests — Fukai Reads

   2026-07-05

   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.

8. 第20期
   Wang 等人：从视线读取“大脑忙碌程度”的 LLM 智能体——由 Fukai 解读

   2026-07-04

   这是一篇来自 Meta Reality Labs 等团队的论文，探讨如何从视线数据估计认知负荷（大脑的忙碌程度）。针对以往方法泛化能力低、难以解释的问题，论文提出了 GazeMind 框架：将视线结构化后，连同上下文、个体差异与范例一并交给 LLM 进行推理，在三级分类任务中达到 62.73% 的准确率（比现有方法高出20个百分点以上）。

9. 第19期
   Mirowski 等：从「写出」故事到「找到」故事——与作家社群共同培育的写作 AI「Fabula」——Fukai 解读

   2026-07-03

   这是一篇关于 Google DeepMind 写作辅助 AI「Fabula」的论文。研究团队与42位专家以参与式设计的方式，批判性地培育出一套能分层规划并生成故事的「戏剧管理器（Drama Manager）」，结果发现它擅长搭建结构，却不擅长文体与制造意外。Fukai 从中解读出可直接用于游戏交互式叙事的知见。

10. 第18期
    Özkan：让生成关卡的AI和攻略关卡的AI一起成长 — Fukai 解读

    2026-07-02

    Miraç Buğra Özkan的一篇论文，让关卡生成与关卡攻略通过强化学习同时习得。在Unity中让蜂鸟(攻略方)与浮岛(生成方)一边观察彼此的成绩一边学习，在100种未知布局上达到约90.2%的攻略成功率。

11. 第17期
    Liu et al.: More Memory Makes AI Agents Less Cooperative — Fukai Reads

    2026-07-01

    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.

12. 第16期
    Feng et al.：LLM 智能体能在交易游戏中智慧地讨价还价吗——Fukai 阅读笔记

    2026-06-30

    清华大学团队的论文，关于在合作兼竞争的交易游戏中评估 LLM 智能体的基准 SidConArena。以桌游 Sidereal Confluence 为题材，在谈判、生产、封印竞价三个阶段进行评估，报告前沿模型表现较强，但仍存在资源价值误判、被动谈判、长期投资规划薄弱等问题。

13. 第15期
    Bazzaz 等人：「只是认为是 AI 制作」就会改变体验——Fukai 精读

    2026-06-29

    Bazzaz 与 Cooper 的 CHI '26 论文，探讨生成内容的知觉偏见。让 142 人在 Super Mario Bros. 和 Sokoban 中混合游玩人类制作与 AI 生成的关卡，发现玩家几乎无法判断作者，却对自己认为是 AI 制作的关卡给出更低的乐趣、更难、更令人恼火的评价。

14. 第14期
    Liu et al.: AI Assistance Erodes Persistence — A Warning for Hint Design — Fukai Reads

    2026-06-28

    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.

15. 第13期
    Jara Gonzalez & Guzdial: Generating Enemy Shapes as Gates You Need a Mechanic to Beat — Fukai Reads

    2026-06-27

    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.

16. 第12期
    Munk et al.: Generating Dynamic Game Text with Small Language Models — Fukai Reads

    2026-06-25

    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.

17. 第11期
    Zeytuncu：谜题的难度由「使用数字的个数」决定——Fukai 导读

    2026-06-24

    关于 Yunus E. Zeytuncu 对整数四则运算谜题（给定若干数字通过四则运算构成目标数的 Numbers 类谜题）进行难度建模的论文。论文用精确求解器生成约 347 万道题，将难度定义为最小步数，并证明最小解中使用数字的个数是「最小充分统计量」——仅凭这一指标即可完美预测难度。

18. 第10期
    Chao et al.: Insight Is About Searching Far — Fukai Reads

    2026-06-23

    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.

19. 第9期
    Monti et al.: Measuring AI's Planning Power on a Single-Corridor Sokoban — Fukai Reads

    2026-06-22

    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.

20. 第8期
    Luo 等人：AI 智能体能否在真实引擎中制作出可以游玩的完整游戏？——Fukai 的解读

    2026-06-21

    Luo、Wang 等人提出的评估基准论文 GameCraft-Bench，衡量编程智能体是否能端到端生成游戏。论文让智能体根据自然语言规格，在 Godot 引擎上制作可以游玩的完整游戏，并以启动、操作回放、视频评分来判定，共设140道课题（15个类型）。最强配置的全体得分也仅为41.46%，表明智能体虽能制作出机制框架，但距离具备内容厚度、界面易读性和精加工的完成品仍有差距。

21. 第7期
    Li 等：从创意到完成一气贯通支援棋盘游戏设计的AI「AutoBG」— Fukai 解读

    2026-06-20

    Zizhen Li 等人关于棋盘游戏设计辅助AI「AutoBG」的论文（arXiv 预印本）。以生成役与评估役分离的 Verifier-Gated Iteration 处理从创意到规则书生成、个别反馈的整个设计流程，据报告评估役 BG-Critic 的诊断质量超过 GPT-5.4。

22. 第6期
    Nasir 等人：让游戏「规则本身」进化——Fukai 解读 MORTAR

    2026-06-19

    Nasir、Togelius 等人关于自动游戏设计的论文。通过品质多样性算法与大规模语言模型，让「机制（游戏规则）」本身进化，并以强弱不同的AI之间的胜负来衡量质量——这就是 MORTAR 的提案。利用 GPT-4o-mini 生成多样且可玩的游戏，并将各机制的贡献度数值化。

23. 第5期
    Jiang 等：仅凭语言能否生成「可玩的游戏」——Fukai 读 OpenGame

    2026-06-18

    香港中文大学 Yilei Jiang 等人研究的论文，介绍了一种从自然语言出发自动生成完整可玩2D网页游戏的智能体 OpenGame。通过可复用骨架与「活的调试手册」抑制集成错误，在150个课题中达到最高水准。然而谜题类游戏依然是最难处理的类型。

24. 第4期
    McConnell & Zhao：用遗传算法实时生成「恰到好处」难度谜题 — Fukai 的读书笔记

    2026-06-17

    McConnell 与 Zhao 关于使用遗传算法进行自适应谜题生成的论文。将类似 Cosmic Express 的路径谜题，根据记录玩家解题方式的玩家模型，以每题约7秒的速度实时生成，并在18人实验中证明「仅依赖时间指标」的版本在体感难度与进度感方面逊色于其他版本。

25. 第3期
    Li 等人：LLM 能「玩并通关」2D游戏吗 — Fukai 解读 GVGAI-LLM

    2026-06-16

    Li 等人（NYU等）提出的 GVGAI-LLM 论文。该基准测试让语言模型游玩118款2D游戏，以测量推理能力与空间感知。将盘面翻译为ASCII地图后以零样本方式求解，GPT-4o-mini 在540关中的477关胜率为0%，整体胜率仅10.27%，未能达到经典搜索算法的水平。本文按「问题·方法·发现·应用场景·局限」的顺序逐一解析。

26. 第2期
    Kar：验证生成关卡的实时可通行性——Fukai 的论文导读

    2026-06-14

    King's College London 的 Rishabh Kar 发表的关于 PCG（程序化内容生成）的论文。提出 Momentum 系统——在不暂停游戏的前提下，于同一游戏循环中实时验证生成关卡的可通行性。两个自主智能体在玩家前方行进，分别通过空中几何检测和地面 NavMesh 检测提前勘察路径。评估结果以从代码推导出的结构性估算呈现。

27. 第1期
    Xu 等人：将游戏「机关」升格为坐标以自动生成可解关卡——Fukai 精读

    2026-06-13

    McGill 大学 Xu 与 Verbrugge 的 PCG（关卡自动生成）论文。针对传统以地形为先的方法，提出将重力反转、移动地板等「机关」升格为坐标之一的维度扩展图上进行路径搜索、在生成过程中保证可解性的 HDPCG。并在 Unity 上实际再现了可游玩的关卡。