arXiv cs.AI· Ga\"etan Berlaimont, Justin Vanwichelen, Beno\^it Ronval, H\'el\`ene Verhaeghe·· 2 天前AI 评分27
CriticaLLM：用 LLM 作为桌面角色扮演游戏的自主游戏主持人
CriticaLLM: Using LLMs as Autonomous Game Master for Tabletop Role-Playing Games
AI 导读
CriticaLLM 是一个全自动游戏主持人框架，可运行完整 TTRPG 游戏，从生成多样化故事到管理探索与战斗阶段。研究用真实 TTRPG 玩家进行评估，并考察四种不同规模 LLM 生成剧情与反派角色的多样性。
正文 · AI 翻译
摘要：大型语言模型（LLM）在许多任务中展现出令人印象深刻的能力，包括处理大量文本、遵循指令和生成创意。这使得此类模型可用于各种场景，包括游戏和桌面角色扮演游戏（TTRPG），例如《龙与地下城》。然而，这些游戏包含许多复杂要素，从构建有趣的故事到遵循规则，同时还要允许玩家行动具有一定自由度。在这项工作中，我们首先强调了 LLM 在 TTRPG 语境下应展现的关键要素。随后，我们介绍了我们的框架 CriticaLLM，一个完全自动化的游戏主持人，能够运行完整的 TTRPG 游戏，从创建多样且有趣的故事到管理探索和战斗阶段。我们与实际 TTRPG 玩家一起评估了我们的框架，并考察了四个不同规模 LLM 所生成情节和对手的多样性。总体而言，我们的框架似乎是运行完整 TTRPG 游戏的一个有前景的选择。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.21525 [cs.AI] |
| （或 arXiv:2610.21525v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21525 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Benoît Ronval [查看电子邮件]
[v1]
2026年10月15日星期四 08:56:12 UTC（321 KB）
来源：arXiv cs.AI · arxiv.org