CreativeGame：让AI游戏生成从「Prompt抽卡」走向机制化迭代

Type: paper
Author: 布里斯托大学、上海交通大学、Sreal AI联合团队
Primary Topic: AI Agent
Ingested: 2026-05-11

Summary

CreativeGame是布里斯托大学、上海交通大学和Sreal AI联合提出的多Agent框架，通过“机制优先“设计、程序化奖励和谱系感知记忆解决AI游戏生成中的随机质量和评分通胀两大核心问题。该框架强制AI在生成代码前完成结构化设计文档，并用可执行的程序化信号替代LLM自评，实现真正的演化式迭代。其思路对音乐、建筑、剧本等其他创意生成领域同样具有参考价值。

Key Concepts

• 多Agent框架
• 机制优先设计
• 程序化奖励
• 谱系感知记忆
• 游戏生成
• 运行时验证
• 创意迭代

Entities

• 布里斯托大学
• 上海交通大学
• Sreal AI
• CreativeGame
• CreativeProxyReward

Source

• Raw: creativegame-mechanic-aware-game-generation.md

Relations

• (none)

---

Auto-generated on 2026-05-11