随着生成式 AI 重塑游戏内容生产方式，游戏 AI 研究正逐渐从单体智能向群体智能演进。传统 NPC 依赖策划手写规则与行为树，难以支撑开放、动态、可持续演化的游戏世界；而当前大模型智能体研究多停留在文本沙盒与社会模拟 demo，普遍只产出基础的涌现叙事或社会演化，且不计成本、不支持实时动作交互，距离"生产级、可玩好玩"的游戏落地仍有显著鸿沟。本课题以游戏为试验场，从游戏性和剧情性两大维度对群体智能进行系统研究——让世界中数十至上万个 NPC 各自具备持续的人格、记忆与目标，彼此形成可长期演化的社会关系网络，并在群体自发涌现的基础上叠加宏观调控，实现"自下而上涌现 + 自上而下收束"的可控涌现。研究将围绕个体认知闭环、多智能体协作与社交博弈、宏观叙事调控，以及大规模 NPC 的实时性与成本工程化（分层调度、端云融合、多范式动作执行、中小模型训练）展开，攻克"实时可控、成本可负担、可复现可玩"这一从研究原型走向产品的关键难题，实现基于群体智能的原生AI玩法应用。1、基本素质：具备计算机科学、人工智能、大模型应用或博弈论理论基础，拥有跨学科技术视野，在大模型智能体与多智能体系统方向具备独立科研能力。热爱游戏、对游戏 AI 与玩法体验有深入理解和敏锐洞察，有游戏开发、玩法设计或相关项目经验者优先；2、理论深度：在大模型智能体（ReAct、Tool-use、Planning）、多智能体系统（协作/博弈/通信/涌现）、强化学习（PPO/RLHF/RLVR）、心智理论与社会模拟方面有一定理论研究和实践基础经验；3、【加分项】；4、工程与实验能力：具备大模型应用与端到端系统搭建能力，熟悉 Python/asyncio 高并发、LLM API 与 Agent/工具编排，了解行为树/GOAP/RL 等多范式动作执行，能独立完成从架构设计到可演示 Demo 的工程闭环，并具备多维评测与消融实验能力；了解 UE5/Unity 接入者优先；5、学术成果：在 NeurIPS、ICML、ICLR、ACL、KDD等顶会/期刊发表论文者优先，方向聚焦大模型智能体、多智能体系统、强化学习、社会模拟或游戏 AI；6、有生成式智能体、终身学习智能体或大规模社会模拟项目经验；熟悉行为树/GOAP/RL 等游戏 AI 执行范式；有中小模型 SFT/蒸馏与推理优化、LLM Agent 框架、记忆/反思系统或端云混合推理经验；或有开源多智能体/游戏 AI 项目贡献者优先。

微信扫一扫，及时了解投递状态

您目前还没有登录：立即登录