CreativeGame : Vers une génération de jeux créatifs prenant en compte la mécanique de jeu

CreativeGame:Toward Mechanic-Aware Creative Game Generation

April 21, 2026

Auteurs: Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi, Yucong Huang, Yingtian Zou, Muning Wen, Mengyue Yang

cs.AI

Résumé

Les grands modèles de langage peuvent générer du code de jeu plausible, mais transformer cette capacité en amélioration créative itérative reste difficile. En pratique, la génération en une seule passe produit souvent un comportement à l'exécution fragile, une faible accumulation d'expérience entre les versions, et des scores de créativité trop subjectifs pour servir de signaux d'optimisation fiables. Une autre limitation est que les mécaniques de jeu sont souvent traitées uniquement comme des descriptions a posteriori, plutôt que comme des objets explicites pouvant être planifiés, suivis, préservés et évalués durant la génération. Ce rapport présente CreativeGame, un système multi-agent pour la génération itérative de jeux HTML5 qui aborde ces problèmes via quatre idées couplées : une récompense proxy centrée sur des signaux programmatiques plutôt que sur le seul jugement des LLM ; une mémoire délimitée par la lignée pour l'accumulation d'expérience trans-version ; une validation à l'exécution intégrée à la fois dans la réparation et la récompense ; et une boucle de planification guidée par les mécaniques où les connaissances de mécaniques récupérées sont converties en un plan de mécanique explicite avant que la génération de code ne commence. L'objectif n'est pas seulement de produire un artefact jouable en une étape, mais de soutenir une évolution interprétable de version en version. Le système actuel contient 71 lignées stockées, 88 nœuds sauvegardés et une archive globale de mécaniques de jeu comprenant 774 entrées, le tout implémenté en 6 181 lignes de Python accompagnées d'outils d'inspection et de visualisation. Le système est donc suffisamment substantiel pour supporter une analyse architecturale, l'inspection des récompenses et des études de cas réelles au niveau des lignées, et pas seulement des démonstrations au niveau des prompts. Une lignée réelle de 4 générations montre que l'innovation au niveau des mécaniques peut émerger dans les versions ultérieures et peut être inspectée directement via les enregistrements d'une version à l'autre. La contribution principale n'est donc pas seulement la génération de jeux, mais un pipeline concret pour observer une évolution progressive via un changement explicite des mécaniques.

English

Large language models can generate plausible game code, but turning this capability into iterative creative improvement remains difficult. In practice, single-shot generation often produces brittle runtime behavior, weak accumulation of experience across versions, and creativity scores that are too subjective to serve as reliable optimization signals. A further limitation is that mechanics are frequently treated only as post-hoc descriptions, rather than as explicit objects that can be planned, tracked, preserved, and evaluated during generation. This report presents CreativeGame, a multi-agent system for iterative HTML5 game generation that addresses these issues through four coupled ideas: a proxy reward centered on programmatic signals rather than pure LLM judgment; lineage-scoped memory for cross-version experience accumulation; runtime validation integrated into both repair and reward; and a mechanic-guided planning loop in which retrieved mechanic knowledge is converted into an explicit mechanic plan before code generation begins. The goal is not merely to produce a playable artifact in one step, but to support interpretable version-to-version evolution. The current system contains 71 stored lineages, 88 saved nodes, and a 774-entry global mechanic archive, implemented in 6{,}181 lines of Python together with inspection and visualization tooling. The system is therefore substantial enough to support architectural analysis, reward inspection, and real lineage-level case studies rather than only prompt-level demos. A real 4-generation lineage shows that mechanic-level innovation can emerge in later versions and can be inspected directly through version-to-version records. The central contribution is therefore not only game generation, but a concrete pipeline for observing progressive evolution through explicit mechanic change.