arXiv · cs.AI · David Melhart, Matthew Barthet, Georgios N. Yannakakis · 8 小时前模型评分36
大语言模型能否捕捉电子游戏参与度？研究测试 大语言模型（LLM，Large Language Model） 预测玩家投入程度
Can Large Language Models Capture Video Game Engagement?
导读
研究首次系统评估 GPT 等大语言模型（LLM，Large Language Model）能否通过文本与视频帧多模态输入预测游戏参与度变化，在 20 款第一人称射击游戏的 80 分钟标注视频上运行超 4,800 次实验。结果显示，LLM 虽能超越传统机器学习基线，但整体仍落后于人类连续体验标注，且跨游戏表现波动明显。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：内容与娱乐、科学研究
事件类型：研究发布
证据摘录
- “In this paper, we test LLMs' ability to correctly label changes of in-game engagement in 80 minutes of annotated videogame footage from 20 first-person shooter games of the GameVibe corpus.”
来源：arXiv · cs.AI · arxiv.org