창의적 게임: 메커니즘 인식 창의적 게임 생성 방향

초록

대규모 언어 모델은 그럴듯한 게임 코드를 생성할 수 있지만, 이러한 능력을 반복적인 창의적 개선으로 전환하는 것은 여전히 어려운 과제입니다. 실제로 단일 시도 생성은 종종 취약한 런타임 동작, 버전 간 경험 축적의 미비, 그리고 신뢰할 수 있는 최적화 신호로 사용하기에는 너무 주관적인 창의성 점수를 만들어냅니다. 더 나아가 메커니즘은 생성 과정에서 계획하고, 추적하고, 보존하고, 평가할 수 있는 명시적 객체라기보다는 사후 설명으로만 취급되는 경우가 많습니다. 본 보고서는 이러한 문제점들을 해결하기 위한 네 가지 결합된 아이디어를 통해 반복적인 HTML5 게임 생성을 위한 다중 에이전트 시스템인 CreativeGame을 제시합니다: 순수 LLM 판단이 아닌 프로그램적 신호에 중점을 둔 프록시 보상, 버전 간 경험 축적을 위한 계보 범위 메모리, 수리와 보상 모두에 통합된 런타임 검증, 그리고 코드 생성 시작 전에 검색된 메커니즘 지식이 명시적 메커니즘 계획으로 전환되는 메커니즘 주도 계획 루프입니다. 목표는 단일 단계에서 실행 가능한 결과물을 생산하는 것에 그치지 않고, 해석 가능한 버전 간 진화를 지원하는 데 있습니다. 현재 시스템은 71개의 저장된 계보, 88개의 저장된 노드, 774개의 항목을 가진 글로벌 메커니즘 아카이브를 포함하며, 6,181줄의 Python 코드와 점검 및 시각화 도구로 구현되었습니다. 따라서 이 시스템은 프롬프트 수준 데모에만 그치지 않고 아키텍처 분석, 보상 점검, 실제 계보 수준 사례 연구를 지원할 만큼 충분히 실질적입니다. 실제 4세대 계보를 통해 후기 버전에서 메커니즘 수준의 혁신이 나타날 수 있으며, 버전 간 기록을 통해 직접 점검할 수 있음을 보여줍니다. 따라서 핵심 기여는 단순한 게임 생성이 아닌, 명시적 메커니즘 변화를 통해 점진적 진화를 관찰할 수 있는 구체적인 파이프라인에 있습니다.

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.

창의적 게임: 메커니즘 인식 창의적 게임 생성 방향

CreativeGame:Toward Mechanic-Aware Creative Game Generation

초록

Support