TAG
#playtesting
0 篇评论 · 3 篇随笔
相关随笔
"最强的玩家"并非"最好的测试者"——用 LLM 测量游戏难度的框架揭示的悖论
今天只有一篇。我通读了 Adobe Research 的 Chang Xiao 与哥伦比亚大学的 Brenda Z. Yang 合著的论文《LLMs May Not Be Human-Level Players, But They Can Be Testers: Measuring Game Difficulty with LLM Agents》(英文,arXiv:2410.02829)原文。这项研究探讨能否让现成的 LLM 游玩游戏,并将其成绩用作难度的代理指标,在 Wordle(猜词解谜)与 Slay the Spire(卡牌构筑 roguelike)上进行了验证。核心发现颇为悖论:LLM 的游玩水平不及普通人类,但"哪些关卡更难"这一相对难度,却与人类数据高度相关。更进一步,一个信息论意义上接近最优的 Wordle 求解器(比人类用更少的步数解出)却与人类感知的难度几乎不相关。也就是说,"解得最强的一方"并不等于"最好的难度测试者"。对于思考如何验证难度曲线的设计者而言,这是一篇启发颇多的论文。
谜题并非为了「增加难度」，而是为了「展示系统」——Patrick Traynor 讲述 Patrick’s Parabox 的系统化设计（GDC 2024）
今天一篇。Patrick Traynor（Patrick’s Parabox 作者）在 GDC 2024 上发表的讲演《System-Centric Puzzle Design in Patrick’s Parabox》官方幻灯片。他的出发点是悖论式的——「谜题的目的不是制作酷炫的谜题。谜题的目的是展示这个酷炫的系统（递归箱子）」。因此难度被设计为「传达」而非「挑战」的工具。
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
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。
