Beyond Playtesting: A Generative Multi-Agent Simulation System for Massively Multiplayer Online Games
Created by
Haebom
Category
Empty
저자
Ran Zhang, Kun Ouyang, Tiancheng Ma, Yida Yang, Dong Fang
개요
대규모 멀티플레이어 온라인(MMO) 게임에서 플레이어 경험을 향상시키기 위해 수치 시스템 및 메커니즘 설계를 최적화하는 것이 중요합니다. 이 논문은 대규모 언어 모델(LLM)을 기반으로 하는 생성 에이전트 기반 MMO 시뮬레이션 시스템을 제안합니다. 실제 플레이어 행동 데이터에 대한 지도 학습 미세 조정(SFT)과 강화 학습(RL)을 적용하여 LLM을 게임 특정 도메인에 적응시켜 현실적이고 해석 가능한 플레이어 의사 결정을 가능하게 합니다. 동시에 실제 게임 플레이 로그를 기반으로 훈련된 데이터 기반 환경 모델이 동적 게임 내 시스템을 재구성합니다.
시사점, 한계점
•
대규모 언어 모델(LLM)을 활용하여 현실적이고 해석 가능한 플레이어 의사 결정을 시뮬레이션합니다.
•
실제 게임 플레이 로그를 기반으로 데이터 기반 환경 모델을 구축하여 게임 내 시스템을 재구성합니다.
•
데이터 기반의 수치 설계 최적화를 위한 신뢰할 수 있고, 해석 가능하며, 비용 효율적인 프레임워크를 제공합니다.
•
전통적인 최적화 방법의 비용, 시간 소모, 플레이어 경험 방해 문제를 해결합니다.
•
제한된 충실도로 인해 현실적인 플레이어 행동을 정확하게 모방할 수 없는 기존 오프라인 시뮬레이션 시스템의 한계를 극복합니다.
