TAG
#generative-ai
0 篇评论 · 4 篇随笔
相关随笔
Pfau & Vrettis:让玩家做出专属自己的宝可梦卡牌会怎样——Fukai 解读
由 Johannes Pfau 与 Panagiotis Vrettis(乌得勒支大学)撰写的 arXiv 预印本(尚未经过同行评审)。玩家写下名字和设定后,系统通过检索、文本模型与图像模型,在约20秒内生成一张宝可梦风格的卡牌;研究让49名学生共制作了196张卡牌。外观满意度在5分制中为4.25分,技能与数值的贴合度为4.04分。93.5%的人回答「这是我自己的想法」。不过,生成的卡牌至今尚未投入过任何对战,平衡性尚未经过验证。
Bazzaz and Cooper: Comparing Generative AI to PCG Across 500,000 Steam Reviews — Fukai Reads
A paper by Bazzaz and Cooper at Northeastern analysing 508,192 Steam reviews. Comparing 5,970 titles that disclose generative-AI use against 5,186 titles that use PCG, the recommend rate is 86.3% for PCG versus 68.4% for generative AI — a 17.9-point gap — and generative-AI reviews split almost evenly at 53.0% positive to 47.0% negative. A thematic analysis of 600 reviews raises five themes: signals of low developer investment, ideological rejection, conditional acceptance, mismatch between disclosure and evidence, and criticism of not using AI where it should be. arXiv:2608.11539, ACM DOI 10.1145/3831347 assigned.
把“何为好谜题”化为计算公式——DeepMind 将国际象棋谜题“违反直觉的程度”量化的尝试
今天只读一篇。我通读了 Google DeepMind 的 Xidong Feng 等人撰写的 arXiv 预印本《Generating Creative Chess Puzzles（创造性国际象棋谜题的生成）》（2510.23881，2025年10月）英文原文。出于“生成式 AI 依然难以产出真正具有创造性、美感与违反直觉特质”的问题意识，作者以国际象棋谜题为题材，先对生成模型做了基准测试，再提出了一套基于国际象棋引擎搜索统计构建全新奖励、以此进行强化学习（RL）的框架。从设计角度看，最有趣的是，这项工作把“何为好谜题”这一长期以来含混不清的性质——唯一性、违反直觉的程度（counter-intuitiveness）、新颖性与美感——都转化成了可计算的指标。尤其是将 counter-intuitiveness 测量为浅层搜索（直观评估的近似）与深层搜索（精确评估的近似）之间评估差异的构思，即便脱离国际象棋，也像是可以移植到谜题设计中的原理。文中会明确说明这是一篇尚未经过同行评审的预印本。
Bazzaz 等人：「只是认为是 AI 制作」就会改变体验——Fukai 精读
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。
