CreativeGame: Verso la Generazione di Giochi Creativi Consapevole delle Meccaniche

CreativeGame:Toward Mechanic-Aware Creative Game Generation

April 21, 2026

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

cs.AI

Abstract

I grandi modelli linguistici possono generare codice di gioco plausibile, ma trasformare questa capacità in un miglioramento creativo iterativo rimane difficile. Nella pratica, la generazione one-shot produce spesso comportamenti runtime fragili, una debole accumulazione di esperienza tra le versioni e punteggi di creatività troppo soggettivi per fungere da segnali di ottimizzazione affidabili. Un'ulteriore limitazione è che le meccaniche sono frequentemente trattate solo come descrizioni post-hoc, piuttosto che come oggetti espliciti che possono essere pianificati, tracciati, preservati e valutati durante la generazione. Questo rapporto presenta CreativeGame, un sistema multi-agente per la generazione iterativa di giochi HTML5 che affronta questi problemi attraverso quattro idee accoppiate: una ricompensa proxy incentrata su segnali programmatici piuttosto che sul puro giudizio dell'LLM; una memoria con ambito di lineage per l'accumulo di esperienza cross-version; una validazione runtime integrata sia nella riparazione che nella ricompensa; e un ciclo di pianificazione guidato dalle meccaniche, in cui la conoscenza delle meccaniche recuperata viene convertita in un piano meccanico esplicito prima che inizi la generazione del codice. L'obiettivo non è semplicemente produrre un artefatto giocabile in un unico passo, ma supportare un'evoluzione interpretabile da versione a versione. L'attuale sistema contiene 71 lineage memorizzati, 88 nodi salvati e un archivio globale di meccaniche con 774 voci, implementato in 6.181 linee di Python insieme a strumenti di ispezione e visualizzazione. Il sistema è quindi abbastanza sostanziale da supportare analisi architetturali, ispezione delle ricompense e studi di caso reali a livello di lineage, piuttosto che solo demo a livello di prompt. Un lineage reale di 4 generazioni mostra che l'innovazione a livello di meccanica può emergere nelle versioni successive e può essere ispezionata direttamente attraverso i record versione-per-versione. Il contributo centrale non è quindi solo la generazione di giochi, ma una pipeline concreta per osservare un'evoluzione progressiva attraverso cambiamenti espliciti delle meccaniche.

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.