A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges

要約

言語中心またはマルチモーダルの大規模モデル (LM) の急速な進化は、学術界と産業界の両方で広範な注目を集めています。
しかし、この急速に進化する分野への関心が高まっているにもかかわらず、影響力のある個別のシナリオにおけるその能力と可能性についての系統的なレビューはほとんどありません。
このホワイトペーパーは、複雑なゲームプレイシナリオとまだ未解決の課題に関して、LM 使用の現在の状況を徹底的に調査し、このギャップを埋めるのに役立つように努めています。
ここでは、ゲーム用の LM ベース エージェント (LMA) の既存のアーキテクチャを体系的にレビューし、それらの共通点、課題、その他の洞察を要約することを目指します。
さらに、ゲームにおける LM の進歩のための有望な将来の研究手段についての私たちの見解を示します。
私たちは、研究者がこの分野を明確に理解し、この非常に影響力のある研究方向への関心をさらに高めることを支援したいと考えています。
対応するリソースは継続的に更新されており、GitHub リポジトリにあります。

要約(オリジナル)

The swift evolution of Large-scale Models (LMs), either language-focused or multi-modal, has garnered extensive attention in both academy and industry. But despite the surge in interest in this rapidly evolving area, there are scarce systematic reviews on their capabilities and potential in distinct impactful scenarios. This paper endeavours to help bridge this gap, offering a thorough examination of the current landscape of LM usage in regards to complex game playing scenarios and the challenges still open. Here, we seek to systematically review the existing architectures of LM-based Agents (LMAs) for games and summarize their commonalities, challenges, and any other insights. Furthermore, we present our perspective on promising future research avenues for the advancement of LMs in games. We hope to assist researchers in gaining a clear understanding of the field and to generate more interest in this highly impactful research direction. A corresponding resource, continuously updated, can be found in our GitHub repository.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google