03｜遊戲不是內容資料：遊戲作為可執行因果世界

Games Are Not Merely Content Data: Games as Executable Causal Worlds

系列：《可執行資料與深層解構學習》
篇次： 03 / 10
作者： Neo.K with Aletheia
機構： EveMissLab／一言諾科技有限公司
版本： v0.1 Research Draft
日期： 2026-08-16
文件性質： 遊戲 AI／可執行資料／互動環境／Agent 學習／因果與狀態轉移方法論
範圍聲明： 本文研究遊戲作為 AI 學習與解構母體的結構特性，不主張遊戲是唯一或最高等級的 AI 資料來源。
法律聲明： 本文討論一般研究方法，不構成特定遊戲逆向工程、授權或著作權法律意見。

摘要

文字、圖片、聲音與影片是現代人工智慧最重要的資料來源，但它們主要記錄世界或人類產物的「表現結果」。遊戲則具有另一種關鍵性質：遊戲是一個可以被反覆操作、重置、干預、執行與驗證的人工世界。玩家或 Agent 不只觀看世界，而能輸入行動，使世界狀態按照規則產生新的狀態。因此，遊戲資料不能完整化約為內容資料。

本文提出：

\boxed{ \text{Game Data} = \text{Content Data} + \text{State} + \text{Action} + \text{Transition} + \text{Rule} + \text{Goal} + \text{Feedback} + \text{History} }

並將最小可執行遊戲世界表示為：

\boxed{ \mathfrak G = ( \mathcal S, \mathcal O, \mathcal A, \mathcal T, \mathcal R, \mathcal G, \mathcal H, \mathcal E ) }

其中 $\mathcal S$ 為內部狀態空間， $\mathcal O$ 為可觀測空間， $\mathcal A$ 為行動空間， $\mathcal T$ 為轉移機制， $\mathcal R$ 為規則與約束， $\mathcal G$ 為目標， $\mathcal H$ 為歷史， $\mathcal E$ 為評估器。

本文進一步區分「遊戲影片」與「遊戲本體」：

\boxed{ \text{Recorded Trajectory} \subsetneq \text{Interventional Possibility Space} }

影片提供一條已發生軌跡，而遊戲允許研究者從相同或近似初態進行不同干預，觀察：

a_t^{(1)} \neq a_t^{(2)}

是否導致：

s_{t+1}^{(1)} \neq s_{t+1}^{(2)}.

因此遊戲天然適合作為反事實、規劃、策略、控制、記憶、世界模型與 Agent 泛化研究的實驗母體。

本文同時指出，現有 AI 與遊戲研究已建立重要基礎：Arcade Learning Environment 將大量 Atari 遊戲統一為一般智能評測平台；Procgen 以程序生成環境測試泛化；MineDojo 將 Minecraft 擴展為包含數千任務與網路規模多模態知識的開放世界研究平台；BEDD 提供數千段人類示範與大量 image-action pairs；SIMA 與 SIMA 2 則進一步讓一般化 Agent 在多款商業 3D 遊戲中從畫面與自然語言指令產生鍵鼠行動。

然而，本文提出的「遊戲解構」比「讓 AI 觀看或遊玩遊戲」更深一層。研究目標不是只有：

\text{Observation} \rightarrow \text{Action Policy},

而是：

\boxed{ \text{Game} \rightarrow \text{State Structure} \rightarrow \text{Functional Types} \rightarrow \text{Mechanism} \rightarrow \text{Causal Relations} \rightarrow \text{Independent Reconstruction}. }

遊戲因此不只是 AI benchmark，也可以成為一種「可執行文明遺產」：人類數十年軟體工程、遊戲設計、規則設計、控制方法、世界模擬與人工智能實作被封裝在可操作系統中。系統性解構這些世界，可以建立比單純影音語料更接近「如何做出系統」的深層學習資料。

關鍵詞： 遊戲 AI、Executable Data、Causal World、State-Action Transition、Agent、World Model、Reinforcement Learning、Game Archaeology、SIMA、MineDojo、ALE

1. 內容資料與可執行資料不是同一類資料

令一般內容資料為：

D_C.

它可以包括：

text；
image；
audio；
video；
static code snapshot；
document；
illustration；
novel；
film。

這些資料主要回答：

某個產物是什麼？

或者：

某件事情曾如何被描述或呈現？

但可執行資料需要回答：

如果我做另一個動作，會發生什麼？

因此本文提出：

\boxed{ D_E \neq D_C. }

其中：

D_E = \text{Executable Data}.

2. 影片只能保存一條已發生軌跡

假設一段遊戲影片保存：

\tau = (o_0,a_0,o_1,a_1,\ldots,o_T).

即使影片完整包含：

畫面；
聲音；
玩家操作；
任務；
結果；

它仍然只記錄：

\boxed{ \text{One Realized Trajectory}. }

影片本身無法直接回答：

如果第 $t$ 步沒有攻擊，而是逃跑，之後會怎樣？

除非我們有另一條對應資料。

3. 遊戲可以重新執行問題

遊戲系統允許：

s_t \xrightarrow{a_t} s_{t+1}.

如果可以保存／重建初態：

s_t,

則可以測：

s_t \xrightarrow{a_t^{(1)}} s_{t+1}^{(1)}

以及：

s_t \xrightarrow{a_t^{(2)}} s_{t+1}^{(2)}.

因此：

\boxed{ a_t^{(1)} \neq a_t^{(2)} }

可以形成實際 intervention。

這種能力使遊戲與靜態影音具有本質差異。

4. 遊戲的最小結構

本文將遊戲世界抽象為：

\boxed{ \mathfrak G = ( \mathcal S, \mathcal O, \mathcal A, \mathcal T, \mathcal R, \mathcal G, \mathcal H, \mathcal E ). }

其中：

$\mathcal S$ ：內部 state space；
$\mathcal O$ ：observation space；
$\mathcal A$ ：action space；
$\mathcal T$ ：transition mechanism；
$\mathcal R$ ：rules / constraints；
$\mathcal G$ ：goals；
$\mathcal H$ ：history；
$\mathcal E$ ：evaluation / feedback。

5. State 與 Observation 必須分離

一個常見錯誤是：

\boxed{ o_t=s_t. }

但大多數商業遊戲並非如此。

例如玩家看到：

一個 NPC；
血量條；
畫面上的敵人；
小地圖；
UI。

但內部可能還存在：

hidden cooldown；
aggro table；
scheduler state；
relationship score；
random seed；
AI memory；
future event queue；
world flags；
spawn controller。

因此：

\boxed{ o_t = \Omega(s_t) }

其中：

\Omega

為 observation function。

通常：

\Omega

不是 injective。

也就是不同內部狀態可能產生相同表面畫面。

6. 為什麼「只讓 AI 看影片」還不夠？

如果 AI 只看到：

o_t,

它需要反推出：

\hat s_t.

這是典型 partial observability 問題。

影片可以訓練：

perception；
imitation；
action prediction；
visual representation；
reward inference。

但若缺少：

hidden state；
alternative action；
counterfactual trial；
reset；
replay；
instrumentation；

則 AI 很難區分：

\text{Correlation}

與：

\text{Mechanism}.

7. Source Code 也不自動等於遊戲理解

另一個極端是：

如果有完整開源程式碼，AI 就已經理解遊戲。

這同樣不成立。

Source code 可以提供：

\boxed{ \text{Implementation Evidence}. }

但不能自動提供：

\boxed{ \text{Functional Abstraction}. }

例如程式碼中可能存在：

ThinkTree
JobDriver
ActionNode
BrainComponent
BehaviorController

這些名字具有 implementation-specific semantics。

真正的解構還需要抽象成：

candidate generation
priority arbitration
task scheduling
execution controller
memory update
world-state commit

因此：

\boxed{ \text{Source} \neq \text{Architecture} \neq \text{General Mechanism}. }

8. 遊戲作為人工因果系統

遊戲中的世界轉移通常由明確程式控制。

最簡化可寫為：

\boxed{ s_{t+1} = F(s_t,a_t,\xi_t) }

其中：

\xi_t

可以包含：

RNG；
NPC simultaneous actions；
network events；
scripted events；
scheduler；
environment dynamics。

若可以控制或記錄 $\xi_t$ ，則實驗可具有更強重現性。

9. 「因果世界」不是說我們天然知道全部因果真相

本文使用「可執行因果世界」時，需要一個重要限制。

遊戲可執行不代表研究者自動知道：

F.

在商業遊戲中：

source 可能不可見；
RNG 可能未知；
state 可能隱藏；
subsystem 可能並行；
engine 可能 nondeterministic；
server state 可能不可取得。

因此遊戲提供的是：

\boxed{ \text{Interventional Access Potential} }

而不是：

\boxed{ \text{Automatic Causal Ground Truth}. }

10. Reset 是非常珍貴的研究能力

現實世界很多行動不可逆。

但遊戲可以：

\boxed{ \operatorname{Reset}(s_0). }

同一初態可以反覆測試。

例如：

\{a_1,a_2,\ldots,a_n\}

可以從同一 checkpoint 展開：

s_0 \rightarrow \{ s_1^{(1)}, s_1^{(2)}, \ldots, s_1^{(n)} \}.

這使大量反事實測試變得低成本。

11. Save / Replay 形成狀態實驗接口

許多遊戲具有：

save；
autosave；
replay；
seed；
scenario；
deterministic or semi-deterministic simulation。

研究者因此可以保存：

\boxed{ \text{Experiment Initial Condition}. }

即使無法取得完整 state，也可以建立操作上足夠穩定的近似實驗條件。

12. 遊戲比現實便宜的地方：失敗成本

現實機器人：

a_t=\text{錯誤動作}

可能造成：

硬體損壞；
人員風險；
財產損失；
時間成本。

遊戲中：

a_t=\text{錯誤動作}

通常只需要：

\operatorname{Reset}.

因此：

\boxed{ C_{\text{failure}}^{game} \ll C_{\text{failure}}^{physical}. }

這也是遊戲長期成為 AI 研究環境的重要原因。

13. Arcade Learning Environment：第一個重要歷史範例

Bellemare 等人在 2012 年提出 Arcade Learning Environment（ALE），將大量 Atari 2600 遊戲建立成統一介面，用於評估一般、domain-independent AI 方法。

ALE 的重要性不只是：

AI 可以玩 Atari。

而是：

\boxed{ \text{Many Games} \rightarrow \text{Unified Experimental Interface}. }

它使：

reinforcement learning；
model learning；
planning；
imitation；
transfer；
intrinsic motivation；

可以在共同環境中比較。

這是「遊戲群作為 AI 實驗母體」的重要早期形式。

14. DQN：從畫面到動作的典型路徑

2013 年的 Atari deep reinforcement learning 工作展示：

\text{Pixels} \rightarrow \text{Policy / Value} \rightarrow \text{Action}.

這是遊戲學習非常重要的一條路。

然而本文關心的是另一個問題：

模型會玩，不代表我們已經將遊戲內部的可泛化結構解構出來。

因此：

\boxed{ \text{Policy Competence} \neq \text{Mechanism Reconstruction}. }

兩者可以互相支持，但不能混淆。

15. Procgen：世界多樣性本身成為資料

Procgen Benchmark 提供 16 個程序生成 game-like environments，用於測試 reinforcement learning 的：

sample efficiency；
generalization。

其重要思想是：

\boxed{ \text{Environment Distribution} }

本身就是學習條件。

若 Agent 只在固定關卡學習：

E_1,

它可能記住環境。

若訓練於：

E\sim\mathcal D_E,

則更接近：

\boxed{ \text{Generalization across worlds}. }

這與本系列前一篇的 coverage / diversity 問題直接相連。

16. Minecraft：從封閉任務走向開放世界

Minecraft 特別重要，因為其世界具有：

procedural generation；
resource system；
crafting；
combat；
navigation；
construction；
long-horizon goals；
open-ended interaction。

因此它比單一 arcade game 更接近：

\boxed{ \text{Persistent Interactive World}. }

17. MineDojo：遊戲 + 網路知識 + 任務

MineDojo 將 Minecraft 建立為開放式 embodied agent 研究框架。

其架構包含：

大量任務與目標；
simulation suite；
internet-scale multimodal knowledge；
videos、tutorials、Wiki、forum discussions；
可擴展 agent learning。

這已經從：

\text{Game Only}

擴展成：

\boxed{ \text{Game} + \text{External Knowledge} + \text{Agent}. }

18. BEDD：影片開始與 action 對齊

BASALT Evaluation and Demonstrations Dataset（BEDD）包含大量 Minecraft 人類示範。

其資料不只是影片。

它包含約：

26\,000\,000

個 image-action pairs，來自近：

14\,000

段人類遊玩影片，並搭配數千筆人類 pairwise evaluation。

這個例子非常重要。

因為它把：

\text{Video}

升級成：

\boxed{ \text{Observation} + \text{Action} + \text{Task} + \text{Human Evaluation}. }

19. SIMA：商業遊戲成為跨世界 Agent 訓練場

Google DeepMind 的 SIMA 研究直接在多款商業 3D 遊戲與研究環境中訓練 Agent。

第一代 SIMA 使用：

screen images；
natural-language instruction；
keyboard / mouse action；

並且不要求存取遊戲 source code 或 bespoke game API。

這使：

\boxed{ \text{Human Interface} }

本身成為通用 Agent interface。

20. SIMA 2：從指令跟隨走向高階意圖與遷移

2025 年公開的 SIMA 2 進一步整合 Gemini reasoning。

其研究方向包括：

更複雜自然語言指令；
多步驟目標；
未見遊戲泛化；
行動跨遊戲遷移；
自我改善；
generated worlds。

其公開展示甚至將 SIMA 2 與 Genie 3 生成世界結合，讓 Agent 在未見虛擬環境中行動。

這表示：

\boxed{ \text{Game Learning} \rightarrow \text{Multi-World Action Generalization}. }

已經成為當代 Agent 研究的重要方向。

21. 但「讓 AI 玩」仍不是本文的終點

假設 Agent：

\pi

在某遊戲取得高分：

\operatorname{Score}(\pi)\gg0.

我們仍不知道它是否能回答：

這個 NPC 為什麼這樣選？
哪些 subsystem 產生這個行為？
這個 scheduler 可以替換嗎？
哪個設計是不變量？
哪些只是遊戲內容？
哪些架構可遷移到另一款遊戲？
能否重建一個功能等效但程式完全獨立的系統？

因此本文提出：

\boxed{ \text{Playing} < \text{Deconstructing} }

不是能力高低的絕對排序，而是研究深度不同。

22. 遊戲解構需要從軌跡回到機制

一般 trajectory：

\tau = (s_0,a_0,s_1,\ldots,s_T)

真正解構希望重建：

\boxed{ \hat F,\hat R,\hat G,\hat M. }

其中：

$\hat F$ ：候選 transition mechanism；
$\hat R$ ：候選 rule system；
$\hat G$ ：候選 goal structure；
$\hat M$ ：候選 memory / state machinery。

23. 從 implementation-specific 名稱到 functional type

不同遊戲可能使用：

ThinkTree
DecisionPackage
Brain
AIController
JobGiver
ActionPlanner

但解構後可能映射為：

\boxed{ \text{Candidate Generator} }

或：

\boxed{ \text{Action Selector}. }

因此需要：

\boxed{ \text{Implementation Symbol} \rightarrow \text{Functional Type}. }

這一步是跨遊戲學習的前提。

24. Functional Type 之後才有跨遊戲比較

例如：

Game A: Hunger
Game B: FoodNeed
Game C: Nutrition
Game D: SurvivalUrgency

可能都屬於：

\boxed{ \text{Resource-Deficit Drive}. }

只有完成這一步，AI 才不是：

記住四款遊戲有四個不同欄位。

而是：

理解四種實作共享一個功能類型。

25. Composition 是遊戲智能的關鍵資料

一個完整遊戲 AI 往往不是：

\text{FSM}.

而可能是：

\boxed{ \text{Need} \rightarrow \text{Utility} \rightarrow \text{Scheduler} \rightarrow \text{Behavior Controller} \rightarrow \text{Navigation} \rightarrow \text{World Commit}. }

因此解構真正要保存：

subsystem；
dependency；
update order；
interrupt；
priority；
fallback；
shared state；
event flow。

這些比單純：

使用 Behavior Tree。

具有更高的工程資訊密度。

26. 遊戲資料的三種層次

本文初步區分：

26.1 Content Layer

D_C

包括：

image；
text；
dialogue；
music；
animation；
map appearance。

26.2 Trajectory Layer

D_T

包括：

observation；
action；
reward；
task；
outcome；
replay。

26.3 Mechanism Layer

D_M

包括：

state schema；
rule；
scheduler；
transition；
memory；
causal dependency；
architecture；
invariant。

因此：

\boxed{ D_C < D_C+D_T < D_C+D_T+D_M }

這裡的 $<$ 表示解構深度，而不是絕對資料價值。

27. 第四層：Intent Layer

更深一層還存在：

D_I.

它回答：

設計者為什麼要這樣做？

例如：

為了讓敵人看起來聰明；
為了避免 NPC 卡住；
為了讓玩家有反制空間；
為了降低 CPU；
為了維持戲劇張力；
為了讓世界離屏仍保持連續性。

因此：

\boxed{ D_I = \text{Design Intent}. }

這也是後續「意圖重建」系列終點的重要來源。

28. 可執行重建是理解驗證器

假設我們推測某遊戲機制為：

\hat M.

則可建立：

\hat{\mathfrak G}.

再比較：

Behavior( \hat{\mathfrak G} )

與：

Behavior( \mathfrak G ).

若在重要測試族：

\mathcal T

上：

\boxed{ d_B \left( Behavior(\hat{\mathfrak G}), Behavior(\mathfrak G) \right) \leq\epsilon, }

則候選理解得到更強支持。

29. 重建不等於複製

本文明確區分：

\boxed{ \text{Reconstruction} \neq \text{Code Copy}. }

真正研究價值來自：

使用一般化機制，獨立重現功能或行為特徵。

例如：

\text{Observed NPC Behavior}

可能由多個不同架構產生。

因此：

\boxed{ \text{Behavioral Equivalence} \neq \text{Implementation Identity}. }

30. 遊戲本身是一種「已執行的設計論文」

傳統論文描述：

方法；
模型；
實驗；
結論。

商業遊戲則把大量設計決策封裝成：

\boxed{ \text{Running Artifact}. }

它包含：

演算法；
工程折衷；
性能限制；
UI；
玩家心理；
內容；
世界規則；
版本修正；
失敗經驗。

因此可以把遊戲視為：

Executable Design Document

不是因為它完整揭露設計意圖，而是因為設計決策已經被具現化為可運行系統。

31. 遊戲史是一個巨大的人工智能實驗史

從早期：

簡單敵人規則；
scripted encounters；
有限狀態機；

到後來：

pathfinding；
squad tactics；
utility；
behavior tree；
planning；
director；
autonomy；
world simulation；
neural agents；

電子遊戲已累積數十年的：

\boxed{ \text{Implemented Intelligence}. }

這些知識並沒有全部被完整整理成統一教材。

32. 因此「遊戲考古」不是遊戲史整理

一般遊戲史可以問：

哪年發售？

哪家公司開發？

銷量多少？

Game Intelligence Archaeology 問的是：

哪些智能結構真的被實作？

它如何運行？

哪些組合反覆出現？

哪些失敗被後來作品修正？

哪些架構可以被重新使用？

因此：

\boxed{ \text{History of Games} \neq \text{History of Implemented Game Intelligence}. }

33. 遊戲作為 AI 訓練資料的真正優勢

遊戲具有六個特別重要的能力。

33.1 Resettable

\operatorname{Reset}(s).

33.2 Intervenable

\operatorname{do}(a).

33.3 Replayable

\operatorname{Replay}(\tau).

33.4 Measurable

可以測：

score；
completion；
state；
resource；
time；
failure。

33.5 Generative

程序生成或世界生成可以提供：

\mathcal D_E.

33.6 Safe Failure

大部分錯誤可在虛擬環境中低成本發生。

34. 但遊戲也有重大限制

遊戲不能直接代表現實。

原因包括：

rules 是人工定義；
physics 可能簡化；
NPC 不是人；
reward 可能扭曲；
world state 有限；
designer intent 影響分布；
interface 與現實不同。

因此：

\boxed{ \text{Game Competence} \not\Rightarrow \text{Real-World Competence}. }

遊戲更適合被視為：

\boxed{ \text{Controlled Intermediate World}. }

35. 下一階段資料單位：State–Action–Mechanism

傳統 imitation data：

(o_t,a_t).

本文提出，深層解構後可以逐漸建立：

\boxed{ d_t = ( s_t, o_t, a_t, m_t, c_t, g_t, s_{t+1}, e_t ) }

其中：

$m_t$ ：mechanism；
$c_t$ ：constraint；
$g_t$ ：goal；
$e_t$ ：evaluation。

這比純 image-action pair 更接近：

\boxed{ \text{Why the action works}. }

36. 如果 state 不可見怎麼辦？

商業遊戲經常只有：

o_t.

此時可以建立：

\hat s_t = I( o_{\leq t}, a_{<t}, H ).

其中：

I

是 state inference。

並標記：

\hat s_t

為：

\boxed{ \text{Inferred State} }

而不是事實。

這與解構資料庫中的證據分級直接連接。

37. 遊戲解構應保存「不知道」

如果無法判斷：

這是 utility AI 還是 priority rule？

資料庫不應強迫：

M=\text{UtilityAI}.

而應保存：

\boxed{ M\in \{ M_1,M_2,\ldots,M_k \} }

以及各自：

P(M_i\mid E).

也就是把不確定性保留在研究結構中。

38. 可執行因果資料的最終形式

本文理想化地將深層遊戲資料表示為：

\boxed{ D_{\text{game}}^\* = \{ S, O, A, T, R, G, H, E, M, I \}. }

其中額外：

$M$ ：mechanism abstraction；
$I$ ：design intent / inferred intent。

這已經不再只是：

\text{Gameplay Dataset}.

而接近：

\boxed{ \text{Executable Knowledge Model}. }

39. 命題一：遊戲—內容非同一命題

\boxed{ \text{Game} \not\equiv \text{Content}. }

遊戲除了表面內容，還包含可執行狀態轉移與交互規則。

40. 命題二：軌跡—可能空間非同一命題

\boxed{ \text{Recorded Trajectories} \subsetneq \text{Executable Possibility Space}. }

影片與 replay 保存已實現路徑，而可重置遊戲允許探索未實現路徑。

41. 命題三：遊玩能力—機制理解非同一命題

\boxed{ \text{Gameplay Competence} \not\equiv \text{Mechanism Understanding}. }

Agent 能成功完成任務，不代表已經抽取可解釋、可重建、可遷移的結構知識。

42. 命題四：Source—General Knowledge 非同一命題

\boxed{ \text{Source Code} \not\equiv \text{Generalized Architecture}. }

原始碼必須再經功能分類、結構抽象、跨系統正規化與因果分析，才可能成為可泛化知識。

43. 命題五：可執行重建驗證命題

若某機制假說：

\hat M

可以生成獨立實作：

\hat{\mathfrak G}

並在指定測試域內重現核心功能：

d_B \leq \epsilon,

則其理解證據強於純文字解釋。

44. 從遊戲資料走向遊戲群

一款遊戲只能提供：

\mathfrak G_1.

真正要發現一般規律，需要：

\boxed{ \{ \mathfrak G_1, \mathfrak G_2, \ldots, \mathfrak G_n \}. }

跨遊戲後才可以判斷：

哪些機制普遍；
哪些只是一款作品特例；
哪些是 genre pattern；
哪些是年代限制；
哪些是性能折衷；
哪些是設計風格。

因此下一篇正式進入：

04｜商業遊戲智能考古：從 AI 名作到普通遊戲群

45. 結論

遊戲的重要性不只是：

AI 可以在裡面學習。

更重要的是：

遊戲本身是一種可操作、可重置、可干預、可重播、可測量的人造世界。

因此：

\boxed{ \text{Game} = \text{Content} + \text{Executable Causal Structure}. }

從 AI 資料角度看：

\text{Text}

主要提供語義；

\text{Image}

主要提供視覺結構；

\text{Video}

提供時間與行為軌跡；

而遊戲可以再增加：

\boxed{ \text{Intervention} + \text{Counterfactual} + \text{Execution} + \text{Validation}. }

然而，直接讓 AI 看畫面、看影片、讀 JSON、讀 source code 或直接玩遊戲，仍然只完成部分學習。

真正的深層研究還需要：

\boxed{ \text{Observation} \rightarrow \text{Decomposition} \rightarrow \text{Functional Typing} \rightarrow \text{Normalization} \rightarrow \text{Mechanism Inference} \rightarrow \text{Reconstruction} \rightarrow \text{Validation}. }

所以遊戲既是 AI training environment，也可以成為一個尚未被完整開採的「可執行知識礦山」。

下一步不再只是找一款遊戲讓 AI 學。

而是開始系統研究：

\boxed{ \text{Game Population}. }

參考資料

Bellemare, M. G., Naddaf, Y., Veness, J., & Bowling, M. (2012/2013). The Arcade Learning Environment: An Evaluation Platform for General Agents.
https://arxiv.org/abs/1207.4708
Mnih, V. et al. (2013). Playing Atari with Deep Reinforcement Learning.
https://arxiv.org/abs/1312.5602
Cobbe, K., Hesse, C., Hilton, J., & Schulman, J. (2019). Leveraging Procedural Generation to Benchmark Reinforcement Learning.
https://arxiv.org/abs/1912.01588
Mohanty, S. et al. (2021). Measuring Sample Efficiency and Generalization in Reinforcement Learning Benchmarks: NeurIPS 2020 Procgen Benchmark.
https://arxiv.org/abs/2103.15332
Fan, L. et al. (2022). MineDojo: Building Open-Ended Embodied Agents with Internet-Scale Knowledge. NeurIPS 2022 Datasets and Benchmarks.
https://arxiv.org/abs/2206.08853
Milani, S. et al. (2023). BEDD: The MineRL BASALT Evaluation and Demonstrations Dataset for Training and Benchmarking Agents that Solve Fuzzy Tasks. NeurIPS 2023 Datasets and Benchmarks.
https://proceedings.neurips.cc/paper_files/paper/2023/hash/67a6726dcd555b982cabb3446ffac01d-Abstract-Datasets_and_Benchmarks.html
Wang, G. et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models.
https://arxiv.org/abs/2305.16291
Google DeepMind (2024). A generalist AI agent for 3D virtual environments (SIMA).
https://deepmind.google/blog/sima-generalist-ai-agent-for-3d-virtual-environments/
Google DeepMind (2025). SIMA 2: An Agent that Plays, Reasons, and Learns With You in Virtual 3D Worlds.
https://deepmind.google/blog/sima-2-an-agent-that-plays-reasons-and-learns-with-you-in-virtual-3d-worlds/
Google DeepMind (2025). Genie 3: A new frontier for world models.
https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
Google DeepMind (2021). Generally capable agents emerge from open-ended play.
https://deepmind.google/blog/generally-capable-agents-emerge-from-open-ended-play/

系列導航

01｜AI 時代的資料資產：從「賣資料」到授權可計算知識
02｜高品質資料之後：從 Quality Paradigm 到 Novelty Paradigm
03｜遊戲不是內容資料：遊戲作為可執行因果世界
04｜商業遊戲智能考古：從 AI 名作到普通遊戲群
05｜遊戲解構經濟學：成本、難度、資訊增益與研究深度
06｜商業遊戲 AI 的隱藏層：真正稀缺的是組合，而非基礎演算法
07｜餵資料不等於學習：從 Raw Exposure 到深層解構學習
08｜理解的工程驗收：如果真的懂，就重建給我看
09｜合成資料之後：從模仿既有設計到探索新穎可執行設計空間
10｜慣老闆測試：意圖重建、設計生成與可執行世界考古