CreativeGame: В направлении генерации креативных игр с учетом механик
CreativeGame:Toward Mechanic-Aware Creative Game Generation
April 21, 2026
Авторы: Hongnan Ma, Han Wang, Shenglin Wang, Tieyue Yin, Yiwei Shi, Yucong Huang, Yingtian Zou, Muning Wen, Mengyue Yang
cs.AI
Аннотация
Крупные языковые модели способны генерировать правдоподобный игровой код, однако преобразование этой возможности в итеративное творческое улучшение остается сложной задачей. На практике единовременная генерация часто приводит к хрупкому поведению во время выполнения, слабому накоплению опыта между версиями и субъективным показателям креативности, которые не могут служить надежными сигналами для оптимизации. Дополнительным ограничением является то, что механики часто рассматриваются лишь как постфактум-описания, а не как явные объекты, которые можно планировать, отслеживать, сохранять и оценивать в процессе генерации.
В данном отчете представлена система CreativeGame — мультиагентная система для итеративной генерации HTML5-игр, которая решает эти проблемы с помощью четырех взаимосвязанных идей: прокси-вознаграждение, основанное на программных сигналах, а не на чистом суждении ИИ; память с ограниченной областью видимости по lineage для накопления межверсионного опыта; интеграция валидации времени выполнения как в исправление ошибок, так и в систему вознаграждения; и механик-ориентированный цикл планирования, в котором извлеченные знания о механиках преобразуются в явный план механик до начала генерации кода. Цель состоит не только в создании играбельного артефакта за один шаг, но и в поддержке интерпретируемой эволюции от версии к версии.
Текущая система содержит 71 сохраненную цепочку lineage, 88 сохраненных узлов и глобальный архив механик объемом 774 записи, реализованные на 6181 строке кода на Python вместе с инструментами инспекции и визуализации. Таким образом, система достаточно масштабна для проведения архитектурного анализа, проверки вознаграждений и реальных кейсов на уровне lineage, а не только демонстраций на уровне промптов.
Реальная цепочка из 4 поколений показывает, что инновации на уровне механик могут появляться в поздних версиях и могут быть непосредственно изучены через записи версионных изменений. Таким образом, ключевым вкладом является не только генерация игр, но и конкретный конвейер для наблюдения за прогрессивной эволюцией через явные изменения механик.
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.