게임개발 에이전트를 위한 합성 경로를 실세계 자산에 부착한 게임 개발 교육

최근 대규모 언어 모델(LLM)의 성능 향상은 웹 프론트 엔드 실행 capability를 보여주었고, 브라우저 기반 게임 생성이 특히 눈에 띄는 전선이 되었다. 이전 연구는 복잡한 다중 턴 워크플로우나 정적 게임 평가 벤치마크에 집중하는 등, 게임 개발을 위한 직접적인 엔드 투 엔드 실세계 게임 합성을 위한 노력은 있었다. 그러나 게임 개발을 위한 간단한 사용자 쿼리에서 복잡한 게임을 생성하는 것은 코딩 에이전트가 미흡한 가정으로 인해 게임 메커니크의 불완전성, 게임플레이 흐름의 분리, 그리고 시각적 미적 요소의 제한이 발생한다. 이 문제를 해결하기 위해 이 논문은 GameGo라는 스케일러블 프레임워크를 제시한다. GameGo는 간결한 게임 씨앗을 산업 게임 개발 관행에 기반한 포괄적인 제품 요구 사항 문서로 변환시킨다. 게임플레이 제약을 유지하면서 디자인 탐색을 제한하지 않기 위해, GameGo는 정보 밀도 최대화와 명령어 추종을 유지하기 위해 task-specific 동적 압축을 사용한다. 이 pipe line에 기반하여 GameGoData는 2D, 2.5D, 3D 게임에 대한 55,060 개의 개발 경로를 포함한다. GameGoBench는 124 개의 다양한 게임 쿼리로 구성된 벤치마크이다. GameGoCoder를 GameGoData에 학습시키면, 이 모델은 대조군에匹한 성능을 보이며, 게임 개발 벤치마크에서 경계 모델과 비교할 수준의 성능을 보인다.