論文の概要: A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges
- arxiv url: http://arxiv.org/abs/2403.10249v1
- Date: Fri, 15 Mar 2024 12:37:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 17:20:54.824202
- Title: A Survey on Game Playing Agents and Large Models: Methods, Applications, and Challenges
- Title(参考訳): ゲームプレイングエージェントと大規模モデル:方法,応用,課題
- Authors: Xinrun Xu, Yuxin Wang, Chaoyi Xu, Ziluo Ding, Jiechuan Jiang, Zhiming Ding, Börje F. Karlsson,
- Abstract要約: 複雑なゲームプレイシナリオにおけるLM使用状況と課題を概観する。
我々は,ゲームにおけるLMの進歩に向けた将来的な研究の道のりについて,今後の展望を述べる。
- 参考スコア(独自算出の注目度): 29.74898680986507
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The swift evolution of Large-scale Models (LMs), either language-focused or multi-modal, has garnered extensive attention in both academy and industry. But despite the surge in interest in this rapidly evolving area, there are scarce systematic reviews on their capabilities and potential in distinct impactful scenarios. This paper endeavours to help bridge this gap, offering a thorough examination of the current landscape of LM usage in regards to complex game playing scenarios and the challenges still open. Here, we seek to systematically review the existing architectures of LM-based Agents (LMAs) for games and summarize their commonalities, challenges, and any other insights. Furthermore, we present our perspective on promising future research avenues for the advancement of LMs in games. We hope to assist researchers in gaining a clear understanding of the field and to generate more interest in this highly impactful research direction. A corresponding resource, continuously updated, can be found in our GitHub repository.
- Abstract(参考訳): 大規模モデル(LM)の急速な進化は、言語やマルチモーダルに焦点を絞ったものであり、アカデミーと産業の両方で広く注目を集めている。
しかし、この急速に発展する領域への関心が高まりつつあるにもかかわらず、その能力と、異なるインパクトのあるシナリオにおける可能性に関する体系的なレビューは少ない。
本稿では,このギャップを埋めるために,複雑なゲームプレイシナリオや課題のオープン化に関して,現在のLM使用状況について徹底的に検討する。
本稿では,ゲーム用のLMA(LM-based Agents)の既存アーキテクチャを体系的にレビューし,それらの共通点,課題,その他の知見を要約する。
さらに,ゲームにおけるLMの進歩に向けた将来的な研究の道のりについて,今後の展望を述べる。
我々は、研究者がこの分野の明確な理解を得るのを支援し、この非常に影響力のある研究方向性への関心を高めることを望んでいる。
継続的に更新された対応するリソースは、GitHubリポジトリにある。
関連論文リスト
- ChatGPT Alternative Solutions: Large Language Models Survey [0.0]
大規模言語モデル(LLM)はこの領域における研究貢献の急増に火をつけた。
近年、学術と産業のダイナミックな相乗効果が見られ、LLM研究の分野を新たな高地へと押し上げた。
この調査は、ジェネレーティブAIの現状をよく理解し、さらなる探索、強化、イノベーションの機会に光を当てている。
論文 参考訳(メタデータ) (2024-03-21T15:16:50Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳(メタデータ) (2024-03-21T08:54:56Z) - Large Language Models and Games: A Survey and Roadmap [3.8769521116457146]
大規模言語モデル(LLM)は、ゲームを含む幅広いアプリケーションやドメインにおいて、顕著なポテンシャルを示している。
本稿では,ゲームにおけるLLMの様々な応用状況を調査し,ゲーム内でLLMが果たす役割について検討する。
論文 参考訳(メタデータ) (2024-02-28T19:09:08Z) - Large Multimodal Agents: A Survey [78.81459893884737]
大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。
LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。
本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
論文 参考訳(メタデータ) (2024-02-23T06:04:23Z) - Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - A Survey on Detection of LLMs-Generated Content [97.87912800179531]
LLMの生成する内容を検出する能力が最重要視されている。
既存の検出戦略とベンチマークの詳細な概要を提供する。
また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
論文 参考訳(メタデータ) (2023-10-24T09:10:26Z) - A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。
本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。
本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
論文 参考訳(メタデータ) (2023-08-22T13:30:37Z) - A Comprehensive Overview of Large Language Models [68.22178313875618]
大規模言語モデル(LLM)は、最近自然言語処理タスクにおいて顕著な機能を示した。
本稿では, LLM関連概念の幅広い範囲について, 既存の文献について概説する。
論文 参考訳(メタデータ) (2023-07-12T20:01:52Z) - An Overview of Multi-Agent Reinforcement Learning from Game Theoretical
Perspective [12.185870309965011]
この研究は、ゲーム理論の観点から、現在の最先端のMARL技術について自己完結した評価を提供する。
MARLは複数のエージェントが同時に学習するマルチエージェントシステムにおける学習問題に対応する。
論文 参考訳(メタデータ) (2020-11-01T18:24:40Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。