大型语言模型游戏智能体研究全景：从Minecraft到多智能体协作的学术资源库

乔治亚理工学院DISL实验室维护的awesome-LLM-game-agent-papers仓库系统梳理了基于LLM的游戏智能体研究，涵盖Minecraft、文字冒险、社交推理等8大领域，收录超500篇论文，其同名综述已被ACM Computing Surveys正式接受。该资源库为研究者和开发者提供了从入门到深入的全景式导航。

游戏一直是人工智能研究的理想试验场，从深蓝击败国际象棋冠军到AlphaGo征服围棋，再到LLM智能体在开放世界游戏中的推理协作能力，领域进展加速。awesome-LLM-game-agent-papers仓库是该领域的权威资源汇总，分类系统且内容全面。

资源库划分8大核心领域：

1. Minecraft（Voyager、JARVIS-1等具身智能研究）
2. 文字冒险（ReAct、Reflexion等纯语言推理）
3. 社交推理（WarAgent、Richelieu等多智能体交互）
4. 竞技对抗（国际象棋、星际争霸战略研究）
5. 多智能体协作（VillagerAgent、CausalMACE等协调框架）
6. 模拟社会（社交智能体架构与涌现行为）
7. 具身模拟（VLA模型与物理世界表征）
8. 技术基础（规划、记忆、训练等支撑技术）

领域技术演进分三代：

1. 2022-2023：基础架构确立（ReAct范式、Voyager代码生成能力）
2. 2023-2024：多模态与记忆增强（GPT-4V相关视觉融合、JARVIS-1记忆框架）
3. 2024-2025：协作与自我进化（TeamCraft协作框架、RetroAgent自主学习）

研究成果具多领域应用价值：

• 游戏产业：智能NPC、自动测试、内容生成
• 机器人与具身智能：虚拟训练场、规划决策迁移
• 多智能体系统：自动驾驶基础、协商系统鲁棒性提升

当前领域面临四大挑战：

1. 长期规划可扩展性（超长程任务迷失）
2. 物理常识grounding（违反常识决策）
3. 多智能体对齐（协作干扰与安全性）
4. 评估标准化（缺乏统一基准）

awesome-LLM-game-agent-papers是领域全景地图，勾勒LLM通用智能体潜力。建议研究者从ReAct、Voyager等经典论文入手；开发者可借鉴技术构建下一代游戏AI。仓库开放接受论文贡献（提issue或PR）。