論文の概要: Knowledge-Conditioned, Single-Pass LLM Synthesis of Executable Unity Game Scenes: A Compiler Error Census across 26 Goal Playable Concepts

• arxiv url: http://arxiv.org/abs/2607.10187v1
• Date: Sat, 11 Jul 2026 08:04:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.332432
• Title: Knowledge-Conditioned, Single-Pass LLM Synthesis of Executable Unity Game Scenes: A Compiler Error Census across 26 Goal Playable Concepts
• Title（参考訳）: 知識記述型単一パスLPMによる実行可能なユニティゲームシーンの合成:26のゴールプレイ可能なコンセプトに対するコンパイラエラーセンサス
• Abstract要約: 大きな言語モデル(LLM)はゲームシーン用にUnity C#を記述する。 しかし、ほとんどすべてのデモは、コードがコンパイルされるまでコードを再生成する反復的な修復ループに留まり、モデルが記述したものとループが修正するものとを混同します。 我々は、ループを除去し、最初のドラフトが最終となる1つのパスを評価する。これにより、モデルのパラメトリック知識、すなわち、未生成の最も厳密なテストが分離される。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) write Unity C\# for game scenes. Yet nearly all demonstrations rest on an iterative repair loop that regenerates code until it compiles, conflating what the model writes with what the loop fixes. We remove the loop and evaluate a single pass, where the first draft is final. This isolates the model's parametric knowledge, the most stringent test of unaided generation. Models instantiate Goal Playable Concepts, playable counterparts of goal patterns, across 10,400 generations (four open-weight models, 7B--30B; two generation modes; four intermediate-representation (IR) conditioning levels; 26 goal patterns; 20 seeds). None compiled into a runnable scene, leaving no survivorship bias. To understand how the generated C\# scripts fail, we categorize the 99 error codes behind 90{,}673 compiler-error occurrences as Grounding (invented or misused Unity types and APIs) or Hygiene (structural defects needing no Unity knowledge). The split differs sharply by goal pattern (e.g., Stealth fails mostly on invented engine references; Capture on plain C\# structure). Larger models, stricter IRs, and different generation modes move the errors but never yield a compiling scene. The bottleneck is missing engine-specific knowledge. The census orders goal patterns by that demand, showing designers where single-pass generation breaks.
• Abstract（参考訳）: 大きな言語モデル(LLM)はゲームシーンのためにUnity C\#を記述する。 しかし、ほとんどすべてのデモは、コードがコンパイルされるまでコードを再生成する反復的な修復ループに留まり、モデルが記述したものとループが修正するものとを混同します。 ループを削除し、最初のドラフトが最終となる1つのパスを評価する。 これにより、モデルのパラメトリック知識は分離される。 4つのオープンウェイトモデル、7B-30B、2世代モード、4つの中間表現(IR)条件レベル、26のゴールパターン、20のシード)。 誰も実行不可能な場面にまとめず、生存者の偏見は残らなかった。 生成されたC\#スクリプトがどのように失敗するかを理解するために、90{,}673のコンパイラエラー発生の背後にある99のエラーコードを、グラウンディング(発明または誤用されたUnity型とAPI)またはHygiene(Unityの知識を必要としない構造上の欠陥)に分類する。 分割はゴールパターンによって大きく異なる(例えば、Stealthは主に発明されたエンジン参照で失敗する。 より大きなモデル、より厳密なIR、異なる生成モードがエラーを移動させるが、コンパイルシーンは発生しない。 ボトルネックはエンジン固有の知識の欠如です。 国勢調査は、その需要によってゴールパターンを指示し、単一パス生成が壊れた設計者を示す。

関連論文リスト

• SOS! : A Streamlined Object-Conditional Transformer for Model-free Segmentation [67.361660179434]
  本研究では,SOS (Streamlined Object-conditional Transformer for model-free pipelines) を提案する。 我々のフレームワークの中心となるのは、個人認証クエリを学習し、マスク生成とターゲット識別を1つのフィードフォワードパスにまとめる、新しいObject-Conditional Transformerです。 Sosは、モデルのない未確認オブジェクトセグメンテーションのための新しい最先端技術を確立し、正確で高効率なパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2026-08-15T15:53:23Z)
• PairCoder++: Pair Programming as a Universal Paradigm for Verified Code-Driven Multimodal and Structured-Artifact Generation [51.92442051257354]
  PairCoderは、実行のみではなく、完全な公式メトリックスイート上で、アーティファクトが検証可能なすべてのベンチマークを本質的に改善する。 TikZのコンパイルレートは、各モデルで10から30ポイント、シングルモデルの2.9から9.2倍である。
  論文  参考訳（メタデータ） (2026-07-02T08:36:02Z)
• Encoder-Decoder Manifold Alignment for Idempotent Generation [51.959208893243776]
  この失敗の主な理由は、エンコーダとデコーダによって学習された多様体間の幾何学的ミスマッチである。 我々は、エンコーダとデコーダに同じ基礎となるデータ多様体の一貫性のある表現を学習させ、このギャップを明示的に埋める新しいトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-21T02:14:37Z)
• GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
  ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。 我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。 我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-16T12:34:39Z)
• GUI Agents for Continual Game Generation [22.25472214301186]
  ゲーム生成の評価と改善にはプレイヤーが必要であると我々は主張する。 ブラウザベースのゲーム生成タスク200と,期待されるインプレイ動作のルーリックをペアリングする,新たな評価環境であるPlaytestArenaを紹介する。 本稿では,ゲームエージェントとGUIエージェントが共有メモリを持つ持続ループで動作し,ゲーム生成をコーディングとプレイの対話に変換するPlay2Codeを提案する。
  論文  参考訳（メタデータ） (2026-05-27T10:08:48Z)
• Grounding Machine Creativity in Game Design Knowledge Representations: Empirical Probing of LLM-Based Executable Synthesis of Goal Playable Patterns under Structural Constraints [0.8594140167290097]
  ゴールパターンは、ゲームプレイ現象を記述するための構造化された表現を提供する。 Goal Playable Concepts (GPC)は、これらの抽象化を再生可能なUnityエンジンの実装として運用する。 エンジンレベルの構造制約の下で,現代大規模言語モデル (LLM) がこのような合成を行うことができるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-03-07T08:24:47Z)
• REMODEL-LLM: Transforming C code to Java using LLMs [4.189643331553923]
  我々は、抽象構文木(AST)を意味的分解に利用し、高度に制約されたルールベースのプロンプト戦略を採用する、新しいハイブリッドパイプラインを使用する。 大部分のモデル(例えば llama3.1, gemma3, starcoder2)はテストの100%を失敗し、基本的で実行可能なJavaボイラープレートを生成できなかった。 小さな中間層(Tier 2、例:Mistral-nemoとMistral)は実行可能なコードを生成するが、危険なセマンティックな失敗と間違った翻訳に悩まされた。
  論文  参考訳（メタデータ） (2025-12-12T09:25:10Z)
• Type-Constrained Code Generation with Language Models [51.03439021895432]
  本稿では,型システムを利用してコード生成を誘導する型制約デコード手法を提案する。 そこで本研究では,新しい接頭辞オートマトンと,在来型を探索する手法を開発し,LLM生成コードに適切な型付けを強制するための健全なアプローチを構築した。 提案手法は,コード合成,翻訳,修復作業において,コンパイルエラーを半分以上削減し,機能的正しさを著しく向上させる。
  論文  参考訳（メタデータ） (2025-04-12T15:03:00Z)
• Identifying and Mitigating Model Failures through Few-shot CLIP-aided Diffusion Generation [65.268245109828]
  本稿では,突発的相関に付随する障害モードのテキスト記述を生成するためのエンドツーエンドフレームワークを提案する。 これらの記述は拡散モデルのような生成モデルを用いて合成データを生成するのに使うことができる。 本実験では, ハードサブポピュレーションの精度(sim textbf21%$)が著しく向上した。
  論文  参考訳（メタデータ） (2023-12-09T04:43:49Z)
• A Static Evaluation of Code Completion by Large Language Models [65.18008807383816]
  単純なプログラミング問題に対するモデル生成コードの機能的正当性を評価するために,実行ベースベンチマークが提案されている。 プログラムを実行せずにエラーを検出するlinterのような静的解析ツールは、コード生成モデルを評価するために十分に研究されていない。 抽象構文木を利用して,Pythonのコード補完における静的エラーを定量化する静的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-05T19:23:34Z)

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。