Resumen:La generación de texto a nivel tiene como objetivo traducir descripciones en lenguaje natural a niveles de juego estructurados, permitiendo un control intuitivo sobre la generación de contenido procedimental. Si bien los generadores de texto a nivel anteriores generalmente se limitan a un solo dominio de juego, extender la generación condicionada por el lenguaje a múltiples juegos requiere representaciones de aprendizaje que capturen relaciones estructurales entre dominios. Proponemos Multiverse, un generador de niveles de juegos múltiples condicionado por el lenguaje que permite la combinación de niveles entre juegos a través de especificaciones textuales. El modelo aprende un espacio latente compartido alineando instrucciones textuales y estructuras de niveles, mientras que una supervisión contrastiva multipositiva basada en umbrales vincula niveles semánticamente relacionados entre juegos. Esta representación permite que el lenguaje guíe qué características estructurales deben preservarse al combinar contenido de diferentes juegos, lo que permite una combinación controlable mediante interpolación latente y generación de disparo cero a partir de indicaciones textuales de composición. Los experimentos muestran que la representación aprendida admite la combinación controlable de niveles entre juegos y mejora significativamente la calidad de la combinación dentro del mismo género de juego, al tiempo que proporciona una representación unificada para la generación de contenido de múltiples juegos condicionado por el lenguaje.
Publicado originalmente en export.arxiv.org el 30 de marzo de 2026.
Ver fuente original
