布里斯托大學(xué)等機(jī)構(gòu)聯(lián)合研發(fā)的游戲自動生成系統(tǒng)，

這項由英國布里斯托大學(xué)、上海交通大學(xué)、山東大學(xué)、南京大學(xué)和Sreal AI聯(lián)合開展的研究，于2026年4月發(fā)表在預(yù)印本平臺arXiv上，論文編號為arXiv:2604.19926。研究團(tuán)隊圍繞一個聽起來頗具野心的目標(biāo)展開工作：讓AI不只是"一次性"生成一個游戲，而是像有經(jīng)驗的游戲設(shè)計師那樣，一版比一版更有創(chuàng)意地迭代改進(jìn)。

說到游戲設(shè)計，絕大多數(shù)人腦海里浮現(xiàn)的可能是某個熬夜苦思的開發(fā)者，手邊擺著咖啡，在白板上反復(fù)涂改游戲規(guī)則的場景。而現(xiàn)在，AI也開始嘗試扮演這個角色。問題在于，以往的AI在這件事上表現(xiàn)并不理想——它能寫出"看起來像游戲代碼"的東西，但運行起來要么卡死，要么無聊得像在看一塊空白屏幕。更棘手的是，你讓它"做一個有創(chuàng)意的游戲"，它十次里有九次給你的是乒乓球或者太空射擊——那種幾十年前就玩爛了的模板。

CreativeGame這個系統(tǒng)的核心邏輯，可以用一個日常比喻來理解：把AI游戲生成過程想象成一位學(xué)徒廚師的成長歷程。這位廚師不只是按食譜做菜，而是每做一道菜之后，都會認(rèn)真記錄哪些步驟成功了、哪些失敗了，然后下次嘗試時主動改變某個食材或烹飪方式。隨著時間推移，這位廚師不再只會復(fù)制經(jīng)典菜式，而是開始真正創(chuàng)造屬于自己風(fēng)格的新菜。整個CreativeGame系統(tǒng)正是以這樣的邏輯設(shè)計的：從"按模板復(fù)制"走向"有規(guī)律地創(chuàng)新"。

一、為什么以前的AI做游戲總讓人失望

要理解CreativeGame的意義，得先弄清楚之前的AI到底哪里出了問題。

以往，研究人員嘗試直接讓大語言模型（可以理解為ChatGPT這類會寫文字和代碼的AI）生成游戲代碼，結(jié)果暴露出幾個讓人頭疼的問題。第一個問題是生成的代碼經(jīng)常"看起來沒問題，跑起來崩潰"。就像一道菜擺盤精美，結(jié)果吃進(jìn)嘴里才發(fā)現(xiàn)根本沒熟。游戲代碼里會有各種隱藏的小毛?。河螒蜓h(huán)寫了卻沒有真正調(diào)用，動畫幀更新寫了卻不會自動重復(fù)，畫布背景沒有正確初始化……這些問題不影響代碼的"外觀"，卻讓游戲完全無法運行。

第二個問題是AI沒有"記憶"。每次生成一個新游戲，AI都是從頭開始，完全不記得上一次哪個設(shè)計成功了、哪個思路走進(jìn)了死胡同。這就像讓那位學(xué)徒廚師每天上班之前都喝一碗忘憂湯——永遠(yuǎn)在重復(fù)同樣的錯誤，永遠(yuǎn)無法積累經(jīng)驗。

第三個問題最難解決：如何評價一個游戲"有沒有創(chuàng)意"？通常的做法是讓AI自己給自己打分，但研究團(tuán)隊發(fā)現(xiàn)這個方法有嚴(yán)重漏洞。GPT這類高水平的AI模型，不管你給它看什么游戲，它都傾向于打出"7分"左右的分?jǐn)?shù)，就好像一個永遠(yuǎn)給及格分的老師，根本無法區(qū)分平庸之作和真正的創(chuàng)意突破。這在學(xué)術(shù)上被稱為"分?jǐn)?shù)飽和"問題——評分系統(tǒng)失去了真正的區(qū)分能力。

更深層的問題在于，就算AI打出了8分，比上一版高了1分，這個變化是真正的創(chuàng)意進(jìn)步，還是只是運氣好換了個顏色主題？沒有人能說清楚。

CreativeGame的研究團(tuán)隊把這些問題系統(tǒng)地梳理出來，并針對每一個問題設(shè)計了對應(yīng)的解決方案。

二、游戲的"骨架"：什么叫真正改變了游戲規(guī)則

在討論解決方案之前，研究團(tuán)隊先做了一件很重要的事：給"游戲"和"游戲機(jī)制"下了精確的定義。這聽起來像是繞彎子，但實際上是整個系統(tǒng)能夠運轉(zhuǎn)的基礎(chǔ)。

研究團(tuán)隊把一個游戲理解為由十幾個相互關(guān)聯(lián)的部分組成的系統(tǒng)，包括：誰在做決策（玩家），游戲世界的狀態(tài)是什么，玩家能做什么動作，做了動作之后世界會怎么變化，玩家能看到什么信息，有什么獎懲反饋，有哪些資源和限制，最終目標(biāo)是什么，等等。

在這十幾個部分里，研究團(tuán)隊劃了一條重要的分界線：有些部分是"核心結(jié)構(gòu)"，比如玩家能做的動作、動作的后果、獲勝條件；而另一些部分是"表現(xiàn)層"，比如游戲的視覺風(fēng)格、音效、背景故事。

這條分界線的意義在于：如果你只是把一個科幻主題的射擊游戲改成了古裝主題的射擊游戲，游戲規(guī)則一字未動，那這不叫創(chuàng)意，叫"換皮"。CreativeGame系統(tǒng)被明確設(shè)計成專門獎勵核心結(jié)構(gòu)的改變，而不是表面的視覺翻新。

在這個框架下，"游戲機(jī)制"被定義為：一種穩(wěn)定地改變游戲核心結(jié)構(gòu)的規(guī)則模式。比如，"重力"是一種機(jī)制，因為它改變了物體運動的規(guī)律；"充能攻擊"是一種機(jī)制，因為它改變了玩家行動的后果；"幽靈回放"是一種機(jī)制，因為它讓過去的行動記錄變成了可以影響當(dāng)前游戲狀態(tài)的實體。

理解了這個定義，就能理解為什么研究團(tuán)隊后來那么執(zhí)著于追蹤"機(jī)制的變化"——因為機(jī)制的變化，才是真正意義上的游戲創(chuàng)新。

三、系統(tǒng)的"廚房"：七個專職角色各司其職

CreativeGame系統(tǒng)的運作方式，可以類比成一家分工精細(xì)的餐廳后廚。不同的角色有不同的專業(yè)職責(zé)，彼此之間按固定流程配合，共同完成一道"菜"（一個游戲版本）的制作。

整個系統(tǒng)共有七個邏輯角色，在實際執(zhí)行時展開為十個可運行的具體職位。生成游戲代碼這個環(huán)節(jié)本身就被拆分成了四個連續(xù)的子階段：骨架生成（先搭建游戲的基礎(chǔ)框架，就像先把廚房的灶臺和鍋碗擺好）、功能實現(xiàn)（往框架里填充具體的游戲邏輯，就像開始備料和炒菜）、視覺增強(qiáng)（添加界面效果和動畫，就像擺盤裝飾）、精煉打磨（最后檢查和修復(fù)細(xì)節(jié)，就像出菜前的最后調(diào)味）。

這個流程的起點是"規(guī)劃者"角色。在規(guī)劃者動筆之前，系統(tǒng)會先去查閱一個擁有774條記錄的全局機(jī)制檔案庫——你可以把這個檔案庫理解成一本廚譜大全，里面記錄著各種游戲機(jī)制的成功案例、使用頻率，以及哪些機(jī)制已經(jīng)被用爛了、哪些還有探索空間。規(guī)劃者查閱這本"廚譜"之后，會明確列出本次游戲應(yīng)該保留哪些機(jī)制、新增哪些機(jī)制、刪除哪些機(jī)制、或者把哪些已有機(jī)制重新組合。這份明確的"機(jī)制計劃"會傳遞給后續(xù)所有生成階段，作為整個創(chuàng)作過程的指導(dǎo)綱領(lǐng)。

代碼生成完成后，系統(tǒng)會進(jìn)行驗證和修復(fù)，如果發(fā)現(xiàn)問題會自動觸發(fā)修復(fù)流程。隨后是評估階段，對照之前的機(jī)制計劃，檢查實際生成的游戲究竟實現(xiàn)了多少計劃中的機(jī)制。接著是反思階段，把這次經(jīng)驗總結(jié)成"成功經(jīng)驗"和"失敗教訓(xùn)"寫入記憶。最后是循環(huán)控制——如果這一輪結(jié)果不夠好，就回到代碼生成階段重來，最多嘗試三次，然后保存最終結(jié)果。

整個系統(tǒng)用Python編寫，共6181行代碼，包含了完整的流程編排、記憶管理、獎勵計算、運行時驗證、機(jī)制檢索和血統(tǒng)記錄功能。這個規(guī)模使得系統(tǒng)的每一個內(nèi)部決策過程都是可追蹤、可檢查的。

四、打分的革命：讓AI不再靠"感覺"評價創(chuàng)意

創(chuàng)意分?jǐn)?shù)這個問題，是CreativeGame系統(tǒng)最花心思的地方之一。研究團(tuán)隊設(shè)計了一套他們稱為"創(chuàng)意代理獎勵"的評分機(jī)制，核心思路是：把評分的主導(dǎo)權(quán)從AI的主觀判斷手里搶過來，交給可以客觀驗證的程序化指標(biāo)。

這套評分機(jī)制由七個加權(quán)信號組成，權(quán)重各不相同。其中最重要的是"結(jié)構(gòu)性機(jī)制變化"，占25%的權(quán)重——這個指標(biāo)衡量的是，相比上一版游戲，這一版新增了哪些機(jī)制、修改了哪些機(jī)制、刪除了哪些機(jī)制。權(quán)重排第二和第三的是"機(jī)制實現(xiàn)度"（20%）和"相對機(jī)制新穎度"（20%），分別衡量計劃中的機(jī)制有多少真正出現(xiàn)在了最終代碼里，以及這些機(jī)制相對于那個774條記錄的全局檔案有多新鮮。這三個最重要的信號合計占到總分的65%，而且都是通過程序計算得出的，不依賴任何主觀判斷。

AI自己的創(chuàng)意評分只占15%，而且被處理成了一個輔助信號。研究團(tuán)隊把AI給出的原始分?jǐn)?shù)（滿分10分）減去3再除以7，這樣做的目的是讓分?jǐn)?shù)分布更有區(qū)分度，而不是讓AI總在7分附近徘徊。即便如此，這個信號仍然被標(biāo)注為"輔助"，不會主導(dǎo)最終結(jié)果。

剩余的20%由兩個負(fù)向信號構(gòu)成：如果這一版游戲只是在視覺表現(xiàn)上做了修改而核心機(jī)制毫無變化，系統(tǒng)會扣掉15%；如果生成的代碼缺少游戲運行必需的基礎(chǔ)組件（比如畫布初始化、游戲循環(huán)、輸入監(jiān)聽），會扣掉10%。

在這七個信號之外，還有兩個"門禁"條件。第一個是軟性門禁：如果基礎(chǔ)可玩性檢查低于0.6分，整體獎勵會直接縮減到原來的25%。第二個是硬性門禁：如果游戲代碼在運行測試中失敗了，無論創(chuàng)意分?jǐn)?shù)有多高，整體獎勵都會減半。這個硬性門禁的設(shè)計理念非常明確——一個在屏幕上根本跑不起來的游戲，再有創(chuàng)意也沒有意義。

五、記憶的設(shè)計：讓經(jīng)驗在家族內(nèi)部流傳

解決了"如何打分"的問題之后，另一個關(guān)鍵挑戰(zhàn)是：如何讓AI在多次生成游戲的過程中積累經(jīng)驗？

CreativeGame的答案是"血統(tǒng)感知記憶"系統(tǒng)。把一系列相關(guān)游戲版本想象成一個家族——v1是祖先，v2和v3是后代，v4是曾孫輩。這個家族內(nèi)部共享一個記憶庫，每個成員的生成經(jīng)驗都會寫入這個共享記憶，后續(xù)成員可以直接讀取和利用。但不同家族之間是完全隔離的——別的游戲血統(tǒng)的經(jīng)驗不會"污染"這個家族的記憶。

記憶條目被設(shè)計成包含四個元素的組合：意圖（這次嘗試想達(dá)成什么）、表示（用什么方式實現(xiàn)的）、價值估計（這個方法的歷史效果有多好）、訪問次數(shù)（這條記憶被使用過幾次）。每次迭代結(jié)束后，系統(tǒng)會用一個叫做"指數(shù)移動平均"的方法更新價值估計——簡單說就是，新的結(jié)果不會完全覆蓋歷史經(jīng)驗，而是把新結(jié)果和歷史經(jīng)驗按比例混合，混合比例是0.3:0.7。這樣，一次偶然的失敗不會讓系統(tǒng)徹底放棄一個曾經(jīng)成功過的設(shè)計思路。

在檢索記憶時，系統(tǒng)會同時考慮兩個因素：這條記憶和當(dāng)前任務(wù)的相似度，以及這條記憶在歷史上的成功率。二者的平衡確保了系統(tǒng)既不會只顧重用"看起來相關(guān)"的經(jīng)驗，也不會只追逐歷史上得分最高的套路。

整個記憶架構(gòu)分為三個層次。最底層是每個血統(tǒng)獨有的學(xué)習(xí)記憶；中間層是跨血統(tǒng)共享的資源，包括創(chuàng)意規(guī)則庫、游戲素材庫和全局機(jī)制檔案；最上層是當(dāng)前生成過程的臨時上下文。全局機(jī)制檔案不只是一個被動的參考庫，規(guī)劃者會主動查詢它來尋找"還沒被充分探索的機(jī)制"，而成功的新機(jī)制在生成之后也會被寫回檔案，形成一個動態(tài)更新的知識庫。

六、代碼體檢：兩層檢查讓游戲真正能跑起來

既然要確保生成的游戲真正能運行，光靠AI自己檢查是不夠的。CreativeGame設(shè)計了一套兩級運行時驗證系統(tǒng)，就像對游戲代碼做一次徹底的"健康體檢"。

第一級是深度靜態(tài)分析，不需要任何額外工具，每次運行不超過10毫秒。這一級檢查共執(zhí)行九項測試：括號和花括號是否配對（就像檢查每個開門都有對應(yīng)的關(guān)門）、游戲循環(huán)是否真正被調(diào)用而不只是被定義（就像檢查發(fā)動機(jī)不只是擺在那里而是真的啟動了）、動畫幀更新是否設(shè)置了遞歸調(diào)用（確保游戲畫面會持續(xù)刷新）、畫布上下文是否正確獲取、輸入監(jiān)聽器是否掛載、游戲初始化是否在頁面加載完成后執(zhí)行、渲染調(diào)用是否存在、狀態(tài)更新是否存在。每發(fā)現(xiàn)一個錯誤，評分降低0.2；每發(fā)現(xiàn)一個警告，降低0.05。

第二級是瀏覽器執(zhí)行測試，在有條件時可選啟用。系統(tǒng)會啟動一個無界面瀏覽器，實際加載游戲的HTML文件，等待畫布繪制完成，模擬基礎(chǔ)輸入操作，然后收集所有控制臺報錯。如果整個過程沒有報錯且畫布成功繪制，該游戲被標(biāo)記為"可玩"。當(dāng)瀏覽器測試不可用時，系統(tǒng)會自動降級到僅使用第一級靜態(tài)分析。

驗證結(jié)果在整個流程中承擔(dān)雙重角色。它既是修復(fù)的觸發(fā)器——測試失敗后，系統(tǒng)會把具體的錯誤信息喂給修復(fù)模塊，觸發(fā)專門的代碼修復(fù)流程，然后重新測試；它同時也是獎勵的組成部分，運行時得分作為七個代理獎勵信號之一，并且觸發(fā)硬性門禁條件。

研究團(tuán)隊在報告中特別點明了這套驗證系統(tǒng)存在的必要性：大語言模型非常擅長生成"看起來正確"的代碼，但這種代碼里藏著很多只有真正運行才能暴露的問題——游戲循環(huán)函數(shù)被定義但從未被調(diào)用，這種錯誤如果只看代碼外觀根本發(fā)現(xiàn)不了，但游戲打開來就是一片死寂。

七、四個游戲的進(jìn)化故事：從"模仿"到"重新理解"

說了這么多系統(tǒng)設(shè)計，不如直接看看它實際產(chǎn)生了什么效果。研究團(tuán)隊從系統(tǒng)運行的真實記錄中，挑選了四個各自跑了四個版本的游戲進(jìn)化序列，詳細(xì)分析了每個游戲是如何從第一版演化到第四版的。

第一個案例是基于《火柴人和水女孩》的進(jìn)化序列。這是一款經(jīng)典的雙人合作平臺游戲，核心玩法是控制兩個角色配合解謎。系統(tǒng)生成的第一個版本已經(jīng)不是對原版的直接復(fù)制——它引入了一個"?？抗┠?的設(shè)計：讓一個角色停在特定位置為水晶充能，另一個角色可以繼續(xù)前進(jìn)。這已經(jīng)比原版多了一個策略層，但整體上仍然是"操控兩個角色解平臺謎題"的邏輯。

真正有趣的轉(zhuǎn)變發(fā)生在第二版開始，并在第三、第四版里逐漸清晰。在"中繼符文神殿"版本里，角色切換不再只是控制權(quán)的轉(zhuǎn)移——它會創(chuàng)造出一個"重放幽靈"，這個幽靈可以幫助觸發(fā)傳感器和開啟新路線。第三版又引入了"重力符文"，使得重放記錄會繼承玩家設(shè)置的重力變換規(guī)則，而不只是回放動作軌跡。到了第四版"記憶中繼"，游戲的核心概念已經(jīng)被徹底重構(gòu)：玩家要做的不是"控制兩個角色穿越關(guān)卡"，而是"用?？康慕巧?、幽靈重放記錄和重力印記，構(gòu)建一個能自動運轉(zhuǎn)的活體電路"。這是從"控制型玩法"到"編程型玩法"的質(zhì)的飛躍。

第二個案例是基于《Flappy Bird》的進(jìn)化。這個游戲的原版極其簡單：一個按鍵，一個上升沖量，不斷躲避管道。系統(tǒng)的第一版雖然保留了這個操作核心，但已經(jīng)讓管道隨著節(jié)奏時機(jī)產(chǎn)生變化，游戲因此比原版多了一點結(jié)構(gòu)感。

然而在后續(xù)版本里，系統(tǒng)對"穿過管道"這個動作的理解發(fā)生了根本性改變。第二版開始，完美通過管道不再只是得分，而是可以"書寫"之后的管道形態(tài)——玩家的完美表現(xiàn)成為了塑造未來關(guān)卡的工具。死亡留下的痕跡會變成"回聲幽靈"，可以幫助后續(xù)輪次的通關(guān)。節(jié)奏時機(jī)開始和"相位穿透"掛鉤，特定節(jié)奏下可以讓角色短暫進(jìn)入無碰撞狀態(tài)。到了第三、第四版，整個游戲類型的定義已經(jīng)從"反應(yīng)型生存"轉(zhuǎn)變?yōu)?輕度規(guī)劃與路線改寫"——玩家的歷史軌跡正在主動塑造近未來。

第三個案例是基于《Happy Glass》的進(jìn)化。原版《Happy Glass》是一個經(jīng)典物理解謎游戲：玩家畫線引導(dǎo)水流進(jìn)入容器。系統(tǒng)的第一版在此基礎(chǔ)上加入了多種墨水材質(zhì)和儀式檢查點，但整體邏輯仍然是"畫出物理屏障引導(dǎo)液體"。

關(guān)鍵的概念轉(zhuǎn)變出現(xiàn)在第二版：一種特殊的"吸收筆觸"被引入，這種線條可以把水滴儲存起來，之后釋放的同時還能改變重力方向。這一步很關(guān)鍵——繪制的線條不再只是幾何形狀，而是一個延遲觸發(fā)的規(guī)則改變器。第三版進(jìn)一步添加了"鏈?zhǔn)嚼^電"機(jī)制，充能的水滴可以向周圍傳播行為，鄰近的筆觸也會跟著激活。第四版整合了這些想法，形成了更清晰的邏輯：實心墨水塑造路徑，吸收墨水編程狀態(tài)轉(zhuǎn)換，重力旋轉(zhuǎn)是有限的戰(zhàn)略資源，儀式充能的水滴以不同方式計入容器填充量。整個游戲被重新理解為一門"可編程的迷你物理語言"，而不再只是畫線引路。

第四個案例是基于《植物大戰(zhàn)僵尸》的進(jìn)化。原版的核心是"在多條車道上放置植物防御僵尸"的資源管理游戲。系統(tǒng)第一版的主要創(chuàng)新點在于：發(fā)電型植物可以物理性地?fù)踝∮逊阶訌?，使得資源生產(chǎn)和射擊路徑之間產(chǎn)生了相互干擾——這在原版里是完全分離的兩件事。

這個干擾在后續(xù)版本里成了核心設(shè)計理念。第二版允許整條車道被"彎折"，一次改變整條車道的子彈路徑和敵人行進(jìn)路線。第三版明確了"友方子彈被擋住后儲存為過充電量，之后釋放為更強(qiáng)的共鳴攻擊"，把"友好傷害"變成了一種有意為之的戰(zhàn)術(shù)準(zhǔn)備行為。第四版進(jìn)一步通過預(yù)測引導(dǎo)和折射窗口概念，讓整個系統(tǒng)變得更具戰(zhàn)略可讀性。最終，這個游戲血統(tǒng)對"塔防"玩法的理解徹底轉(zhuǎn)變：從"放置單位阻擋波次"變成"規(guī)劃哪些車道直接防御、哪些車道先承受友火蓄能以便之后發(fā)動折射攻擊"。

這四個案例呈現(xiàn)出一個共同的演化規(guī)律：在所有四個序列中，最有意思的變化都發(fā)生在機(jī)制的重新詮釋上，而不是視覺風(fēng)格的打磨。后期版本傾向于重新賦予現(xiàn)有動作以新的含義——角色切換變成了記憶書寫，通過管道變成了路線編輯，畫線變成了規(guī)則腳本，阻擋友方子彈變成了有意的蓄能儲存。早期版本保留了源游戲的外殼，而晚期版本更清晰地暴露出這個變體游戲真正想說的隱藏規(guī)則。

八、系統(tǒng)的實際表現(xiàn)：數(shù)字背后的真實含義

研究團(tuán)隊在實驗記錄中保存了71個游戲血統(tǒng)，其中9個是擁有多代后代的多節(jié)點血統(tǒng)（最深到第四代），62個是單節(jié)點血統(tǒng)，共計88個保存節(jié)點。全局機(jī)制檔案庫里有774條記錄，所有保存節(jié)點里的文字總量超過450萬個詞語量級的token。

從計算資源分布來看，視覺增強(qiáng)階段消耗了大約34%的計算預(yù)算，因為它需要在一個已經(jīng)相當(dāng)完整的游戲主體上疊加大量界面細(xì)節(jié)和動畫效果。評估階段排第二，約占27%，這反映了認(rèn)真評估一個游戲需要大量的分析工作。功能生成階段約占18%，骨架生成約9%，規(guī)劃階段約8%，反思階段約4%。

在可靠性方面，經(jīng)過重試和降級恢復(fù)機(jī)制的加持，整個流程的成功率超過了98%，空輸出的恢復(fù)率在三次嘗試內(nèi)超過95%。作為對比，研究團(tuán)隊提到在這套機(jī)制實施之前，管道失敗率大約是10%，優(yōu)化后降低到了2%以內(nèi)。

在評分分布方面，所有生成游戲的平均創(chuàng)意分約為7.0分（滿分10分），平均可玩性分約6.5分，平均綜合得分約6.2分。研究團(tuán)隊在報告中坦誠地指出，這些評分存在前面提到的"分?jǐn)?shù)飽和"問題，反映的是粗略的功能完整度而非經(jīng)過驗證的玩家體驗，數(shù)字本身不應(yīng)被過度解讀。

九、這套系統(tǒng)和其他方案有什么本質(zhì)區(qū)別

這篇論文的關(guān)聯(lián)工作討論部分，把CreativeGame放在了幾個重要的相關(guān)研究方向中進(jìn)行比較。

多智能體代碼生成領(lǐng)域的代表系統(tǒng)包括ChatDev、MetaGPT和AgentVerse，這些系統(tǒng)同樣使用角色分工的方式來組織AI的軟件生成過程。CreativeGame遵循了類似的分工思路，但它的組織方式是圍繞游戲生成、測試、評估、反思和記憶寫入這個固定迭代流程構(gòu)建的，而不是通用軟件開發(fā)流程。

在創(chuàng)意評估方面，創(chuàng)意研究領(lǐng)域早就發(fā)現(xiàn)"誰來評判創(chuàng)意"是一個極其困難的問題，不同的判斷者對同一個作品可能給出截然相反的評價。近年來"讓AI來當(dāng)評委"的研究方向也暴露出模型評判在開放性任務(wù)上的局限性。CreativeGame的回應(yīng)是把AI判斷壓縮為一個15%權(quán)重的輔助信號，主要信號交給可程序化驗證的指標(biāo)——這是一種有意識的設(shè)計取舍而非技術(shù)捷徑。

在記憶增強(qiáng)智能體領(lǐng)域，MemRL系統(tǒng)（由上海交通大學(xué)等機(jī)構(gòu)提出，同樣是2026年的研究，arXiv編號2601.03192）明確提出了通過情節(jié)記憶的運行時強(qiáng)化學(xué)習(xí)來實現(xiàn)自我進(jìn)化智能體的思路。CreativeGame的記憶設(shè)計直接受到這一方向的啟發(fā)，并做了一個特定的架構(gòu)選擇：使用血統(tǒng)級共享記憶而不是任務(wù)級隔離記憶，因為對迭代創(chuàng)意生成而言，跨版本的經(jīng)驗積累本身就是目標(biāo)。

在代碼生成的運行驗證方面，學(xué)術(shù)界已經(jīng)廣泛認(rèn)識到基于執(zhí)行的正確性評估對代碼生成系統(tǒng)的重要性。CreativeGame的創(chuàng)新在于把運行驗證同時作為獎勵信號和修復(fù)觸發(fā)器整合進(jìn)了多智能體流程，并設(shè)計了當(dāng)更強(qiáng)驗證條件不可用時的優(yōu)雅降級路徑。

說到底，CreativeGame這項研究講述的是一個關(guān)于"如何讓機(jī)器真正積累創(chuàng)意經(jīng)驗"的工程故事。它不是說AI突然獲得了人類式的創(chuàng)意靈感，而是說，通過合理的系統(tǒng)設(shè)計——把機(jī)制當(dāng)作可追蹤的實體、把評分建立在可驗證的指標(biāo)上、把經(jīng)驗在版本之間真正傳遞——AI生成游戲的過程可以從一次性的隨機(jī)輸出，變成有方向感的漸進(jìn)演化。

四個游戲血統(tǒng)的案例是最直觀的證據(jù)：從第一版到第四版，每個游戲的"核心玩法概念"都經(jīng)歷了可以用語言描述的質(zhì)變，而不只是表面的視覺翻新。這種變化被系統(tǒng)里的記錄完整保存下來，任何人都可以打開數(shù)據(jù)文件，一步步追溯游戲設(shè)計是如何從"模仿原版"演化到"提煉出一套新規(guī)則語言"的。

當(dāng)然，研究團(tuán)隊也坦率承認(rèn)了現(xiàn)有的局限：當(dāng)前的獎勵機(jī)制仍然只是對形式創(chuàng)意的工程化近似，還無法真正衡量一個游戲?qū)φ鎸嵧婕业奈Γ辉u分系統(tǒng)的"分?jǐn)?shù)飽和"問題沒有從根本上解決，只是被邊緣化了；多節(jié)點血統(tǒng)的數(shù)量還偏少，深層進(jìn)化效果還需要更多數(shù)據(jù)支撐。這些都是未來值得繼續(xù)深挖的方向。

有興趣進(jìn)一步了解這項研究的讀者，可以通過arXiv編號2604.19926查找完整論文。

Q&A

Q1：CreativeGame系統(tǒng)是如何避免只生成"換皮游戲"的？

A：CreativeGame通過兩個機(jī)制來防止這個問題。第一，系統(tǒng)從形式上區(qū)分了"核心規(guī)則結(jié)構(gòu)"（比如玩家動作的后果、獲勝條件）和"表現(xiàn)層"（比如視覺風(fēng)格、背景故事），評分系統(tǒng)只獎勵核心結(jié)構(gòu)的改變，純視覺改動會被扣分。第二，規(guī)劃階段要求明確列出本次版本要新增、刪除或重組哪些具體機(jī)制，這個計劃會貫穿整個生成過程，事后還會和實際結(jié)果對比，強(qiáng)迫系統(tǒng)在規(guī)則層面而不是外觀層面做出改變。

Q2：CreativeGame的運行時驗證系統(tǒng)具體檢查哪些內(nèi)容？

A：驗證系統(tǒng)分兩級。第一級靜態(tài)分析不需要運行游戲就能快速完成，檢查九項內(nèi)容：括號是否配對、游戲循環(huán)是否被真正調(diào)用、動畫幀更新是否設(shè)置了遞歸、畫布上下文是否獲取、輸入監(jiān)聽器是否掛載、初始化是否在頁面加載后執(zhí)行、渲染和狀態(tài)更新是否存在。第二級在有瀏覽器工具時啟用，實際運行游戲，檢測控制臺報錯和畫布繪制狀態(tài)。兩級都能觸發(fā)代碼修復(fù)流程，運行結(jié)果也直接影響最終評分。

Q3：CreativeGame生成的游戲是什么格式的，普通人可以直接玩嗎？

A：CreativeGame生成的是HTML5格式的游戲，可以直接在網(wǎng)頁瀏覽器里運行，不需要安裝任何軟件。論文附帶的項目展示頁面（yiweishi-cn.github.io/CreativeEvolutionGame）展示了四個游戲血統(tǒng)各自四個版本的全部十六個游戲，每個游戲都帶有一個自動演示機(jī)器人在跑，可以直接觀看游戲運行效果。