Real-Time World Crafting: Generating Structured Game Behaviors from Natural Language with Large L...

文章核心总结与创新点

一、主要内容

本文提出一种将大型语言模型（LLMs）安全集成到交互式游戏引擎的新型架构，允许玩家通过自然语言“编程”生成新的游戏行为。该架构通过LLM将自然语言指令翻译成受约束的领域特定语言（DSL），再由自定义的实体组件系统（ECS）在运行时配置执行，有效规避了LLM生成任意代码带来的安全与稳定性风险。

研究以2D法术构建游戏原型（Latent Space）为测试平台，设计了两种游戏模式（回合制火炮对战模式、元胞自动机沙盒模式），分别对应两种DSL（组合式法术DSL、程序性元胞自动机DSL）。通过实验评估了Gemini、GPT、Claude系列模型在不同提示策略（零样本/单样本/少样本、标准提示/思维链提示）下的表现，结合自动LLM评估器（基于GPT-4.1）和小规模人类试点研究验证效果，重点分析了模型性能、提示策略与DSL类型的适配关系。

实验结果表明：大型模型（如Claude 4 Sonnet）在捕捉创意意图上表现更优；提示策略具有任务依赖性——思维链提示提升创意一致性，少样本示例对复杂DSL脚本生成至关重要；技术化、详细的自然语言描述比叙事性、简洁描述更能保证信息传递准确性；ECS架构的灵活性为涌现式游戏玩法提供了支撑。

二、创新点

1. 安全可控的LLM-ECS架构：提出DSL作为中间层的模块化架构，将LLM输出约束在预验证操作集内，既解决了自然语言到计算机逻辑的转换问题，又避免了任意代码执行的风险，实现了实时、安全的交互式系统集成。
2. 双场景DSL设计与验证