GPA LM

一项有关游戏代理和大型模型的调查：方法，应用程序和挑战

---

？即将推出：在每篇论文中添加一句介绍。

[arxiv]♦[PDF]

？消息

[2024/02/06]创建此存储库，以维护基于LLM的代理商游戏玩法的列表。更多论文即将推出！

2024/08

• [2024/08/07] Optimus-1：混合多模式内存授权的代理在长马上任务中出色。 [纸] [代码]

2024/07

• [2024/07/21] vivesogamebunny：迈向视频游戏的视觉助手。 [纸] [代码]
• [2024/07/05]自动化：一种可进化的游戏语言，用于学习强大的体现剂。 [纸]
• [2024/07/02]摇篮：将基础代理授予通用计算机控制。 [纸] [项目]

2024/06

• [2024/06/20]在泥土场中的两个长颈鹿：使用游戏玩法研究大型多模式模型中的情况建模。 [纸]

2024/05

• [2024/05/23]朝着有效的LLM接地，以实现多代理协作。 [纸] [项目]
• [2024/05/11]及时策略：一项有意义的能量游戏中的LLM-evaluating代理的试点研究。 [纸]

2024/04

• [2024/04/17] AgentKit：带有图的流程工程，而不是编码。 [纸] [代码]
• [2024/04/16]自我播放的对抗性语言游戏增强了LLM推理。 [纸] [代码]

2024/03

• [2024/03/23]与Street Fighter III实时评估LLMS。 [代码]
• [2024/03/19]体现的LLM代理学会在有组织的团队中合作。 [纸]
• [2024/03/18]可以通过熔炉对其合作能力的评估来评估其合作代理？ [纸]
• [2024/03/18] Envgen：通过LLMS生成和适应环境，用于训练体现的剂。 [纸]
• [2024/03/18] MinedReamer：学习通过想象链遵循指示进行模拟世界控制。 [纸] [代码]
• [2024/03/14]在许多模拟世界中缩放可指导的代理。 [纸]
• [2024/03/13]用于开放式多代理导航的层次自动组织系统。 [纸]
• [2024/03/13] Sotopia- $ pi $：对社会智能语言代理的交互式学习。 [纸] [代码]
• [2024/03/08] GPT-4会运行厄运吗？ [纸] [代码]
• [2024/03/05]迈向通用计算机控制：红色死赎回II的多模式代理作为案例研究。 [纸] [项目]
• [2024/03/01]使用LLMS播放Nethack：零拍摄代理的潜在和局限性。 [纸] [代码]

2024/02

• [2024/02/29] RL-GPT：集成加固学习和代码为政策。 [纸]
• [2024/02/27] Agent-Pro：学习通过策略级别的反思和优化发展。 [纸] [代码]
• [2024/02/21] PCA-BENCH：评估感知认知链中的多模式大型语言模型。 [纸] [代码]
• [2024/02/20]如果LLM具有不同的世界观：用基于LLM的代理模拟外星文明。 [纸] [代码]
• [2024/02/07] S-代理：开放式环境中的自组织剂。 [纸]
• [2024/02/04]增强了游戏中大型语言模型的推理。 [纸]
• [2024/02/02]Pokéllmon：一种具有大型语言模型的口袋妖怪战斗的人类 - 主体。 [纸] [代码]

2024/01

• [2024/01/31] Swarmbrain：实时策略游戏《星际争霸II》通过大语言模型的体现代理。 [纸]
• [2024/01/19] CivRealm：决策代理人文明中的学习和推理。 [纸] [代码]
• [2024/01/17]在游戏播放视频存储库中搜索错误实例。 [纸] [数据]
• [2024/01/04] Pokergpt：用于多人德克萨斯州端到端的轻量级求解器通过大语言模型持有。 [纸]

2023/12

• [2023/12/29]即时合作：探索Avalon游戏中临时团队的语言代理。 [纸]
• [2023/12/23]实时人类协调的LLM-Power层次级别语言代理。 [纸] [项目]
• [2023/12/19]大语言模型播放Starcraft II：基准和摘要方法。 [纸]
• [2023/12/14]自动MC-Reward：Minecraft大型语言模型的自动密集奖励设计。 [纸]
• [2023/12/12] MP5：Minecraft中的多模式开放式体现系统通过主动感知。 [纸] [代码]
• [2023/12/08] Apollo的Oracle：多代理辩论中的检索提示推理。 [纸] [代码]
• [2023/12/08] Glitchbench：大型多模型可以检测到视频游戏故障吗？ [纸] [代码]
• [2023/12/07]一个框架，用于探索商用视频游戏中LLM生成的对话的播放器感知。 [纸] [网站]
• [2023/12/05]创意代理人：通过创造性任务的想象力赋予代理商。 [纸] [代码]
• [2023/12/04]现代视频游戏中的数据效率模仿学习的视觉编码器。 [纸]
• [2023/12/02]通过语言双向适应来构建开放式体现的代理。 [纸]
• [2023/12/01]解密数字侦探：了解多代理神秘游戏中的LLM行为和能力。 [纸]

2023/11

• [2023/11/28]战争与和平（战争）：大型语言模型的多人模拟世界大战。 [纸] [代码]
• [2023/11/26]请参阅和思考：虚拟环境中体现的代理。 [纸] [代码]
• [2023/11/20] DesignGpt：设计多代理协作。 [纸]
• [2023/11/14]魔术：大型语言模型在认知，适应性，理性和协作方面提供多代理的调查。 [纸] [代码]
• [2023/11/10] JARVIS-1：带有内存的多模式模型的开放世界多任务代理。 [纸] [代码]
• [2023/11/08]适应：与语言模型相关的分解和计划。 [纸] [代码]

2023/10

• [2023/10/31]利用单词猜测游戏来评估大语言模型的智能。 [纸] [代码]
• [2023/10/29]在狼人游戏中进行战略性游戏的强化学习语言媒介。 [纸]
• [2023/10/23]基于LLM的代理商协会调查：Avalon游戏玩法中的合作与对抗。 [纸]
• [2023/10/20] Steve-Eye：在开放世界中为基于LLM的体现的代理提供视觉感知。 [纸] [代码]
• [2023/10/18] Sotopia：语言代理中社会智能的互动评估。 [纸] [代码]
• [2023/10/16]角色-LLM：可训练的角色扮演的代理。 [纸] [代码]
• [2023/10/13] Llama Rider：刺激大型语言模型探索开放世界。 [纸]
• [2023/10/12] GameGpt：游戏开发的多代理协作框架。 [纸]
• [2023/10/12] Groot：通过观看游戏视频来学习遵循说明。 [纸] [代码]
• [2023/10/12]章鱼：环境反馈的具体视觉语言程序员。 [纸] [代码]
• [2023/10/10] Metaagents：通过协作生成代理模拟人类行为的相互作用，以基于LLM的任务为导向的协调。 [纸]
• [2023/10/09]类人生物剂：模拟类似人类生成剂的平台。 [纸] [代码]
• [2023/10/08] Avalonbench：评估LLMS玩Avalon游戏。 [纸] [代码]
• [2023/10/06]谨慎的好奇心：一种类似人类的游戏特工的新方法。 [纸] [代码]
• [2023/10/05] LLM-COODINATION：评估和分析大语言模型中的多代理协调能力。 [纸] [代码]
• [2023/10/03] Lyfe代理：低成本实时社交互动的生成代理。 [纸]
• [2023/10/03]通过多模式大语言模型朝向端到端的体现决策：具有GPT4-Vision及以后的探索。 [纸] [代码]
• [2023/10/02] SmartPlay：LLMS作为智能代理的基准。 [纸] [代码]
• [2023/10/02] Avalon的思想游戏：通过递归沉思与欺骗战斗。 [纸]
• [2023/10/01] Rolellm：大型语言模型的基准测试，启发和增强角色扮演能力。 [纸] [代码]

2023/09

• [2023/09/29] AdareFiner：具有自适应反馈的语言模型的精炼决策。 [纸] [代码]
• [2023/09/29]主题：人工智能反馈的内在动机。 [纸] [代码]
• [2023/09/29] LLM-DELEBRITATY：通过交互式多代理谈判游戏评估LLM。 [纸] [代码]
• [2023/09/29]可疑 - 代理：与心智理论GPT-4一起玩不完美的信息游戏。 [纸] [代码]
• [2023/09/29]自动代理：自动代理的框架。 [纸] [代码]
• [2023/09/21]真正的知识来自实践：通过增强学习使大型语言模型与具体的环境结合。 [纸] [代码]
• [2023/09/18] Mindagent：新兴游戏相互作用。 [纸] [代码]
• [2023/09/14]代理：自主语言代理的开源框架。 [纸] [代码]
• [2023/09/09]探索通信游戏的大型语言模型：一项关于狼人的实证研究。 [纸]

2023/08

• [2023/08/23] CHATGPT和GPT-4是好扑克玩家吗？ [纸]
• [2023/08/22]主张：使用大语言模型构建主动合作AI。 [纸] [代码]
• [2023/08/21]代理：促进多代理协作并探索代理中的新兴行为。 [纸] [代码]
• [2023/08/19] GameEval：评估对话游戏中的LLM。 [纸] [代码]
• [2023/08/16] Autogen：通过多代理对话框架启用下一代LLM应用程序。 [纸]
• [2023/08/15] Calypso：LLMS作为地牢大师的助手。 [纸]
• [2023/08/08]代理：用于大语言模型评估的开源沙箱。 [纸]
• [2023/08/01] METAGPT：用于多代理协作框架的元编程。 [纸] [代码]

2023/07

• [2023/07/24] Tachikuma：通过大型语言模型了解与多字符和新颖对象的复杂相互作用。 [纸]
• [2023/07/21]选择性感知：通过对语言模型参与者进行强化学习的优化状态描述。 [纸] [项目]
• [2023/07/12] Sayplan：使用3D场景图进行大型语言模型，以进行可扩展任务计划。 [纸]
• [2023/07/05]通过大型语言模型模块化建造合作体现的代理。 [纸] [代码]
• [2023/07/04] TAPA：具有大语言模型的体现任务计划。 [纸] [代码]

2023/06

• [2023/06/20] Sprint：可扩展的策略通过语言指令进行重新标记。 [纸] [代码]
• [2023/06/15] Chessgpt：桥接政策学习和语言建模。 [纸] [代码]
• [2023/06/02] Omni：通过人类兴趣概念的模型开放性。 [纸] [代码]
• [2023/06/01] Steve-1：Minecraft中文本到行为的生成模型。 [纸] [代码]

2023/05

• [5月23日]小屋：连贯的文本冒险游戏一代。 [纸] [代码]
• [2023/05/30] Alphablock：在机器人操纵中进行视觉推理的体现填充。 [纸]
• [2023/05/26]使用大语言模型玩重复的游戏。 [纸]
• [2023/05/25] Voyager：具有大语言模型的开放式体现代理。 [纸] [代码]
• [2023/05/25] Minecraft中的Ghost：通过具有基于文本的知识和记忆的大语言模型，开放世界环境的通常有能力的代理。 [纸] [代码]
• [2023/05/24]春季：研究论文和推理游戏。 [纸] [代码]
• [2023/05/23]通过多种辩论改善语言模型中的事实和推理。 [纸] [代码]
• [2023/05/17]从AI反馈中改善语言模型谈判，并在自我播放中学习。 [纸] [代码]
• [2023/05/09] Tidybot：大型语言模型的个性化机器人帮助。 [纸] [代码]
• [2023/05/01]方舟：具有知识互动的新兴能力增强现实。 [纸]

2023/04

• [2023/04/07]生成剂：人类行为的互动模拟。 [纸] [代码]
• [2023/04/06]大语言模型可以很好地玩文本游戏吗？当前的最新和开放问题。 [纸] [代码]
• [APR-23]角色扮演游戏中的个性化追求和对话生成：一种知识图和基于语言模型的方法。 [纸] [代码]

2023/03

• [2023/03/31]骆驼：“思维”探索大语模型社会的交流代理。 [纸] [代码]
• [2023/03/29]针对开放世界的长期任务的技能增强学习和计划。 [纸] [代码]
• [2023/03/06] Palm-E：一种具体的多模式模型。 [纸]

2023/02

• [2023/02/13]通过大型语言模型指导在加强学习方面进行预处理。 [纸] [代码]
• [2023/02/12] Mariogpt：开放式文本2通过大型语言模型级生成。 [纸] [代码]
• [2023/02/03]描述，解释，计划和选择：使用LLMS的交互式计划启用开放世界多任务代理。 [纸] [代码]

2023/01

• [2023/01/28]确实体现了像素化绵羊的梦想：使用语言指导世界建模的具体决策。 [纸]
• [2023/01/21]通过目标感知表示和自适应地平线预测，开放世界多任务控制。 [纸] [代码]

2022

• [2022/11/22]通过将语言模型与战略推理相结合，在外交游戏中的人 - 级游戏。 [纸]
• [2022/11/21]通过视觉模型的指导增强机器人技能获取。 [纸]
• [2022/10/24]新兴世界表示：探索经过合成任务的序列模型。 [纸] [代码]
• [2022/10/05]大语言模型是非常不错的零照片视频游戏错误探测器。 [纸] [代码]
• [2022/08/08]社会模拟：为社交计算系统创建填充的原型。 [纸]
• [2022/07/12]内部独白：通过使用语言模型进行计划来体现推理。 [纸]
• [2022/06/23]视频预处理（VPT）：通过观看未标记的在线视频来学习采取行动。 [纸]
• [2022/06/07] Minedojo：具有互联网规模知识的开放式体现代理。 [纸] [代码]

引用

如果您发现此存储库有用，请引用我们的论文：

 @misc{xu2024survey,
      title={A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges},
      author={Xinrun Xu, Yuxin Wang, Chaoyi Xu, Ziluo Ding, Jiechuan Jiang, Zhiming Ding, Börje F. Karlsson},
      year={2024},
      eprint={2403.10249},
      archivePrefix={arXiv},
      primaryClass={cs.AI}
}

接触

• BörjeF。Karlsson @tellarin：[email protected]
• Xinrun Xu @xinrunxu：[email protected]