RSIGame: Autonomous Agentic Game Development with Recursive Self-improvement
作者: Wenyi Wu, Minghao Fu, Jieyu You, Kun Zhou, Siqi Liu, Aayush Salvi, Yiheng Lin, Ce Zhang, Xiaohan Lan, Jiahui Zhu, Yujie Zhong, Qi She, Biwei Huang
分类: cs.CL, cs.GT, cs.LG, cs.MA
发布日期: 2026-09-30
💡 一句话要点
提出RSIGame框架以解决自动游戏生成中的质量提升问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自动游戏生成 递归自我改进 游戏质量提升 局部全局循环 经验内化
📋 核心要点
- 现有的自动游戏生成方法在生成游戏的质量提升上面临挑战，容易过拟合，导致生成游戏存在缺陷。
- RSIGame框架通过局部和全局循环的设计，实现了游戏的探索、诊断和基于证据的改进，形成递归自我改进机制。
- 在实验中，RSIGame在多个游戏引擎和生成器上表现出色，显著提升了游戏质量，超越了现有基线模型的表现。
📝 摘要（中文）
近年来，大型语言模型的进步使得自动游戏生成变得越来越可行，但在可玩版本之外可靠地提升生成游戏的质量仍然具有挑战性。简单的迭代改进容易过拟合少量测试用例，导致生成的游戏脆弱，存在未解决的bug、缺失的行为以及对更广泛玩家互动的泛化能力差。为此，本文提出了RSIGame，一个具有递归自我改进能力的自主游戏开发框架。RSIGame将开发过程组织为互补的局部和全局循环，局部循环探索、诊断和改进游戏，而全局循环则跟踪整体质量，保存最佳检查点，并检测长期开发中的饱和或回归现象。通过在140个GameCraft-Bench任务中进行实验，RSIGame在匹配的开发预算下持续提升游戏质量。
🔬 方法详解
问题定义：本文旨在解决自动游戏生成中，生成游戏质量提升的困难，现有方法往往因过拟合而导致生成游戏存在bug和行为缺失等问题。
核心思路：RSIGame通过设计局部和全局循环，形成递归自我改进机制，局部循环负责探索和改进游戏，而全局循环则确保整体质量的跟踪与优化。
技术框架：RSIGame的整体架构包括局部探索-诊断-改进循环和全局质量跟踪循环。局部循环探索游戏的可执行性，诊断问题并优先处理，进行基于证据的修订；全局循环则监控整体质量，保存最佳状态，并检测开发过程中的饱和或回归。
关键创新：RSIGame的主要创新在于其递归自我改进机制，通过不断积累经验和改进指导，提升了生成游戏的质量，显著区别于传统的单一迭代方法。
关键设计：在设计中，RSIGame使用了动态的检查清单来指导改进过程，并通过训练将成功的开发经验内化到生成器中，优化了生成效率和质量。
🖼️ 关键图片
📊 实验亮点
在140个GameCraft-Bench任务中，RSIGame在两个游戏引擎和五个生成器上持续提升游戏质量，Qwen3.8-27B在Godot上达到了61.38的分数，在Phaser上达到了58.53，超越了GPT-5.5的一次性得分，同时将生成的token数量减少了11倍。
🎯 应用场景
RSIGame框架具有广泛的应用潜力，能够用于自动游戏开发、游戏测试和质量保证等领域。其递归自我改进机制不仅提升了游戏的可玩性和质量，还为未来的游戏设计提供了新的思路和方法，可能会对游戏行业产生深远影响。
📄 摘要（原文）
Recent advances in large language models have made automatic game generation increasingly feasible, yet reliably improving generated games beyond a playable version remains challenging. Naive iterative refinement can easily overfit a small set of test cases, producing fragile games with unresolved bugs, missing behaviors, and poor generalization to broader player interactions. We introduce RSIGame, an autonomous agentic game development framework with recursive self-improvement. RSIGame organizes development into complementary local and global loops. Concretely, a local explore-diagnose-improve loop broadly explores the executable game, diagnoses and prioritizes discovered issues, and performs evidence-grounded revision, where an evolving checklist continually accumulates new testing and improvement guidance. A global loop tracks overall quality, preserves the best checkpoint, and detects saturation or regression over long-horizon development. Beyond test-time improvement, RSIGame further internalizes successful development experience into the generator through training. Across 140 GameCraft-Bench tasks, two game engines, and five generators, RSIGame consistently improves game quality under matched development budgets. Notably, experience internalization enables Qwen3.8-27B to reach 61.38 on Godot and 58.53 on Phaser, exceeding GPT-5.5 one-shot scores while reducing Qwen's generation tokens by 11 times.