Une enquête sur les agents de jeux basés sur les grands modèles de langage

Le développement des agents de jeux joue un rôle crucial dans la progression vers l'Intelligence Artificielle Générale (AGI). Les avancées des LLM et de leurs homologues multimodaux (MLLMs) offrent une opportunité sans précédent de faire évoluer et de renforcer les agents de jeux avec des capacités de prise de décision semblables à celles des humains dans des environnements de jeux informatiques complexes. Cet article fournit une vue d'ensemble complète des agents de jeux basés sur les LLM d'un point de vue holistique. Tout d'abord, nous introduisons l'architecture conceptuelle des agents de jeux basés sur les LLM, centrée autour de six composants fonctionnels essentiels : perception, mémoire, réflexion, jeu de rôle, action et apprentissage. Ensuite, nous passons en revue les agents de jeux représentatifs basés sur les LLM documentés dans la littérature en ce qui concerne les méthodologies et l'agilité d'adaptation à travers six genres de jeux, notamment l'aventure, la communication, la compétition, la coopération, la simulation, et les jeux d'artisanat et d'exploration. Enfin, nous présentons une perspective des orientations futures de la recherche et du développement dans ce domaine en pleine expansion. Une liste organisée d'articles pertinents est maintenue et accessible à : https://github.com/git-disl/awesome-LLM-game-agent-papers.