LLM Ajanları için Oyunların Algılanabilirliği

LLM’leri gerçek oyun geliştirmede kullanan geliştiriciler sık sık duvara çarpar. LLM’ler web tabanlı yığınlarda iyi çalışırken, geleneksel oyun geliştirmede kötü sonuç verir. Oyunlar LLM’ler için opak öğeler içerir; varsayılan modeller bunları etkili sorgulayıp değiştiremez. Bunu düzeltmek için oyunları AI ajanları için algılanabilen hazırlıklar yerleştirilmelidir.

Neden LLM’ler Oyunlarla Zorlanır

LLM’ler oyunları varsayılan durumlarıyla kötü okur. Açık kodu bol web uygulamalarının aksine, oyunlarda standart araç yoktur ve kodla kolayca ifade edilemeyen çok öğe vardır. LLM’ler bu öğeleri yönetmeye çalışınca başarısız olur. Temel sorun bağlamdır: oyun yalnızca kod olmadığı için kod üzerinde çalışan hazırlıklar yetersizdir. Geliştiricilerin oyunun kara kutusunu açıp daha büyük bir bölümü LLM’e doğrudan erişilebilir hâle getirmesi gerekir.

Determinizm ve Tekrarlanabilir Durumlar

Oyunun ajan için algılanabilir olmasında determinizm esastır. Oyun, belirli bir durumu kolay ve tam yeniden üretebilmelidir; rastgelelik en baştan birleşik bir seed kaynağı kullanmalı, aksi hâlde her çağrı farklı sonuç verebilir. 30. sırada çağrılan rastgele float işlevi her zaman aynı olmalıdır. Tekrarlanabilir durumlar, ajanların sıfırdan aynı noktaya ulaşıp değişiklikleri denetlemesini sağlar. Yerleşik screenshot API’leri de önerilir. UI ve gameplay katmanlarını açıp kapatmak görsel gürültüyü azaltır, LLM’in söz konusu katmana odaklanmasını sağlar.

Oyunları AI İçin Algılanabilir Hale Getirmek

Ekran görüntülerine dayalı değerlendirme bağlam kaybı yaratabilir; çok modlu modeller bile tüm ekran görüntüsünden değişiklikleri anlamakta zorlanır. Görüntüleri boşuna göstermek yerine görüntü farkı kullanılmalıdır. odiff gibi araçlar iki görüntüyü karşılaştırıp nicel farkı gösterir, örneğin 85 yüzde benzerlikte. Böylece LLM her döngüde ilerlemeyi değerlendirip geçerli durum ile hedef görüntü arasındaki farkı azaltabilir; sabit bir temel hattı olur.

Ajanlar için Mimarisi: Thing Driven Development

Mimari seçiminin de önemi vardır. Derin nesne yönelimli hiyerarşiler korumak, ajanların değişikliği nereye yerleştireceğini bulmasını zorlaştırır. Bunun yerine Thing Driven Development uygulanmalıdır: her şey tek tip nesne, yani Thing olur; stat değerleri ve type enum ile tanımlanır. AI için tek doğruluk kaynağı olur; sınıf mı genişletilecek yeni sınıf mı yapılacak kalmaz. Kaydetme ve geri yükleme kolaylaşır. Oyun, tek doğrultuda seri hâle getirilen dev bir Thing listesine dönüşür. Değişiklikler, modifikasyonu seri hâle getirilebilir command nesneleri olarak kaydedilerek Command Pattern ile sabitlenir.

Kaynaklar: kylekukshtel.com