本文是“游戏论文速递“系列的一部分。
系列介绍：https://api.xiaoheihe.cn/v3/bbs/app/api/web/share?h_camp=link&h_src=YXBwX3NoYXJl&link_id=8c847162cc64
内容速通：
自然语言+AI+RTS：新技术和老游戏类型会碰出怎样的火花？
这个bot怎么像真人一样菜？我们要的是开挂一样强的bot，还是一个像人一样有趣的陪练。
用密室解密游戏测性格：用“游戏行为”规避“在问卷里装好人”。
本期涉及论文来源于IEEE游戏汇刊（IEEE Transactions on Games） 第17卷 第4期 2025年12月出版
1.自然语言+AI+RTS：新技术和老游戏类型会碰出怎样的火花？
涉及游戏：研究团队自研RTS
研究速览：
要问大家RTS中最难的部分是什么？可能大部分的回答都是每分钟数百次的微操。
这项研究提出了一个叫“大规模交战混合智能”（HIVE）的框架，可以玩家用自然语言指挥最多2000个单位。
不同于以往还要手忙脚乱地编队、拉扯，在HIVE里，你只需要输入“分兵去堵桥，每个桥上三个坦克十个步兵”，AI就会自动将其转化为具体的战术计划，并分配给每一个单位执行。
研究者设计了一个包含防御、进攻、兵种克制（如骑兵克弓箭手）的RTS基准测试。
结果显示，模型确实能把自然语言转化成群体调度方案，但缺点也很明显：空间-视觉信息处理吃力、长线战略规划不稳、对输入表达方式很敏感。
偶尔会出现描述不完全准确但执行还凑合能赢的情况。整体更像“你当元帅，模型当参谋”，而不是全自动代打。
我的评价：
机枪阵地右移五米！
中文标题：利用语言实现协同：一个LLM驱动的多智能体控制框架与基准
原标题：Harnessing Language for Coordination: A Framework and Benchmark for LLM-Driven Multiagent Control
发表时间：2025年12月
2. 这个bot怎么像真人一样菜？我们要的是开挂一样强的bot，还是一个像人一样有趣的陪练
涉及游戏：
研究速览：
学术界开发bot总是奔着“强”，但是实际中游戏对bot的需求是“更似人”，而且对算力要求不能太高，延迟需要足够小。
这个研究就是针对这个问题的。
研究使用少量射线投射（ray-cast）代替学术界常用的投喂每帧的画面，为bot构建了一个轻量的感知架构。
在训练上采用模仿学习、监督学习方式，用人类轨迹数据让模型学人怎么走位、怎么反应。
评估上也不只看胜率，而是还看性能、推理耗时，以及类似图灵测试的“让玩家看录像，评估打的像不像真人”，还用行为分布/热力图等角度检查风格相似度。
结论很明确：在有限的算力条件下，这个bot能做出更像人类、更照顾玩家体验的行为。这条路线或许在掉线补位、训练赛陪练这些情景下更有用。
我的评价：
好消息：bot学会像我一样描边了。
坏消息：bot跟我一队。
中文标题：使用计算高效传感器的战术射击游戏拟人化Bot
原标题：Human-Like Bots for Tactical Shooters Using Compute-Efficient Sensors
发表时间：2025年12月
3. 用密室解密游戏测性格：用“游戏行为”规避“在问卷里装好人”
涉及游戏：团队自研解密游戏
研究速览：
性格测试一直是互联网上的广受讨论的热点。但是这篇文章的作者认为大家填问卷测试的时候都太装了。测出来的是你心里你的样子，而不是你实际的样子。
所以作者把性格测评塞进了一个密室逃脱游戏里，按照玩家的解谜节奏、探索倾向、与NPC互动等行为，用AI预测 OCEAN 五大人格（开放性、尽责性、外向性、宜人性、神经质）。
难点在于训练数据：要做监督学习就得有大量带标签的数据，雇人玩他们的游戏来收集训练集又贵又慢。
于是他们先用有预定义性格的AI去模拟不同性格玩家的玩法，用真人玩家与AI玩法的相似度做性格测试判断指标。
实验表明，在希腊和意大利的学生样本中，游戏推断的人格画像与问卷测试结果有较强相关性。说明用玩游戏测试人格至少在技术路径上跑通了。
我的评价：
你填问卷时可能连自己都骗过去了，但是你玩游戏时颤抖是视野已经证明了你是一个玩游戏手喜欢抖的人。
中文标题：在游戏环境中使用人工智能的人格评估系统
原标题：Personality Assessment System Using Artificial Intelligence in a Game Environment
发表时间：2025年12月
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
