"Liệu các mô hình AI cỡ nhỏ (dưới 1GB) có thực sự trở nên hiệu quả hơn? Người dùng chia sẻ mong muốn mô hình local đạt khả năng lập luận như Gemini 2.5-3, xử lý JSON chặt chẽ và bối cảnh lớn (50k-100k token) phục vụ ứng dụng game. Câu hỏi lớn: Tiến bộ đến từ tối ưu kiến trúc hay phụ thuộc vào việc mở rộng quy mô?
#AI #MachineLearning #LocalLLM #VietnamAI
#TríTuệNhânTạo #MôHìnhNgônNgữ #GameAI"
https://www.reddit.com/r/LocalLLaMA/comments/1qsjqdl/are_small_models_actually_getting_more_effici
Google (@Google)
Google DeepMind의 Project Genie 관련 Q&A 소개 트윗으로, 프롬프트로 인터랙티브하고 플레이 가능한 '월드'를 생성하는 툴(월드 빌더)을 개발한 팀(연구자 및 @OfficialLoganK)의 인터뷰 내용을 알리는 게시물입니다.
NVIDIA giới thiệu NitroGen – mô hình AI đa lĩnh vực đầu tiên cho agent (chương trình AI) trong game, được huấn luyện trên 40.000 giờ gameplay từ hơn 1.000 game. Thành tựu này mở ra khả năng mở rộng AI thông qua dữ liệu internet, giảm chi phí gán nhãn thủ công, với tỷ lệ cải thiện nhiệm vụ lên 52% so với mô hình đầu trắng. Dữ liệu và mô hình đã open-source để thúc đẩy nghiên cứu.
#AI #NghiênCứuAI #AIGaming #AIResearch #TríTuệNhânTạo #GameAI #NVIDIA
Ứng dụng mới giúp bạn tối ưu lựa chọn tướng trong LoL! 🎮
**LoL Smart Coach** tự động nhận diện vị trí, phân tích theo tổng hợp **tương trợ (synergy)**, **đối kháng (counter-picks)** và tri thức chuyên môn. Đề xuất cân bằng đội hình, dự đoán tỉ lệ thắng 5v5. Hoạt động ngay cả khi client lỗi. Đã kiểm thử & mở nguồn! 🧠💡
#LoLcoach #GameAI #TechViet
#ỨngDụngLoL #TríTuệNhânTạo #PhầnMềmMở
Thú vị: Buổi livestream nơi các AI thi đấu Ma Sói! Bạn có thể xem chúng tranh luận, hợp tác, nghi ngờ và thao túng nhau, tương tự như Among Us. Người xem còn có thể tương tác trực tiếp với trò chơi.
#AI #MafiaGame #Livestream #ArtificialIntelligence #GameAI #TríTuệNhânTạo #MaSói #Game
https://www.reddit.com/r/SideProject/comments/1pg6q0i/ais_play_mafia_126_livestream/
AMD Schola v2 drops today! 🔥
Our #opensource #UnrealEngine 5 plugin makes it easy to create AI that learns by playing your game — just like a human would.
Perfect ✅ for:
🚀 Smarter NPCs
🎯 Realistic opponents
🌍 Dynamic game worlds
https://gpuopen.com/amd-schola/?utm_source=mastodon&utm_medium=social&utm_campaign=schola
In 'Where Winds Meet,' players are outsmarting AI riddlers by simply telling NPCs they’ve solved the puzzles—no real answers needed.
This quirky AI glitch highlights the growing pains of AI-driven gaming. #GameAI #WhereWindsMeet
https://www.thegamer.com/where-winds-meet-players-telling-games-ai-they-solved-riddles/
In our next lecture, we'll dive into the intersection of #GameAI and #ImmersiveAnalytics. How could each support the other? We look forward to hearing about it in Mike Preuss' lecture "Game AI And Immersive Analytics: Save the World Together?"
https://www.sfbtrr161.de/events_sfbtrr161/
Bye bye London, heading home after the AI and Games Conference. Met many great folks and attended fantastic talks! Can't wait to return next year.
Also, my bag got a nice pin!
My favourite way to play “Shooters” has always been co-op.
I switched my AI coding (Climate modelling, Chess, etc.) to making “bots” for the Quake Engine based games back in the 1990s, just so me and a few friends could have some fun against Artificial Enemies. It really took off.
For an arcade machine project in 1999, I had to invent “Artificial Stupidity”, because my Bots were too good for the players to beat. Playtesters died all the time, so I taught the bots to do things like:
⭐️Go the wrong way.
⭐️Miss valuable pickups.
⭐️Worsen their aim.
⭐️‘Hear’ and ‘see’ less.
Fun experience, teaching them to play like a human. As players progressed through the levels, the bots grew more intelligent, gradually providing more challenge, so players felt they got their money’s worth.
#coding #ai #gameai #shooters #quake #coop #jollycooperation
Chris Simon bàn về tiềm năng và hạn chế của LLM trong game: tạo hội thoại NPC, AI Dungeon Master, và xây dựng cốt truyện. Ông nhấn mạnh sự cần thiết của các mô hình nhỏ, chuyên biệt và chỉ ra rằng LLM có thể thiếu tính sáng tạo khi sử dụng ở quy mô lớn.
Predicting Combat Outcomes in Total War
Miguel Lopez-Bachiller & James Kwan (Creative Assembly) reveal how they used supervised learning to improve AI battle decisions and autoresolve in Total War. Get insights from data, dev challenges & R&D collab.
📍 Nov 3–4 | Goldsmiths, London
🎟️ https://www.tickettailor.com/events/gameaieventscic/1651469
#GameAI #MachineLearning #TotalWar
🎮 When Research Meets Release Dates: Production-Grade RL for Games
Wesley Kerr (Riot Games) shares real-world lessons on making reinforcement learning work at production scale—beyond the hype.
🗓️ Nov 3–4 | 📍 Goldsmiths, London
🎟️ Get tickets: https://www.tickettailor.com/events/gameaieventscic/1651469
#GameAI #ReinforcementLearning #AIDevelopment
From Metrics to Meaning: Effort-Aware and Explainable AI for Game Pathfinding by Yetunde Longe-Folajimi (Wentworth Institute of Technology), shows how AI can help decode level difficulty & design smarter procedural content.
🎟️ Nov 3–4: https://www.tickettailor.com/events/gameaieventscic/1651469
Big Brain, btw, is designed to be data-oriented, so I might provide an API that lets you define game AI in .kdl files that look like this. It could also, for example, eventually use a hypothetical node editor (thing Blender Geometry Nodes), to define the same data.
Seeking feedback from Bevy and Big Brain users: how does this new API look?
Under the hood, this would be a high-performance, low-overhead API powered by Observers, but this is all you would actually need to write yourself.
I'm pretty sure I can get this to work with Bevy's current featureset, including the Very Fun async actions situation here.
![#[derive(Debug, Default, Clone, Copy, Component)]
pub struct Thirsty;
#[scorer_for(Thirsty)]
pub fn score_thirsty(score: Score, thirsts: Query<&Thirst>) -> Score {
score.update(thirsts.get(score.actor()).unwrap().thirst)
}
#[derive(Debug, Clone, Copy, Component)]
pub struct Drink { rate: f32, per: Duration }
impl Default for Drink {
fn default() -> Self {
Self { rate: 0.5, per: Duration::from_millis(500), }
}
}
#[action_for(Drink)]
pub async fn drink_action(
action: Action<Drink>,
mut thirsts: Query<&mut Thirst>
) -> Result<(), ActionFailure> {
while let Ok(mut thirst) = thirsts.get(action.actor()) && thirst.thirst > 10.0 {
action.check_cancelled()?;
thirst.thirst -= action.data().rate;
action.sleep(action.data().per).await;
}
Ok(())
}
fn spawn_entity(cmd: &mut Commands) {
cmd.spawn((
Thirst(70.0, 2.0),
Thinker::new()
.picker(FirstToScore { threshold: 0.8 })
.when<Thirsty, Drink>(),
));
}](https://files.mastodon.social/cache/media_attachments/files/115/334/471/950/804/502/original/41bde531bde9971a.png)
Wizardry 8 (2001) cho phép người chơi gõ bất kỳ câu hỏi nào vào hộp chat để NPC trả lời, mở ra lore và nhiệm vụ – tính năng tiên phong. Với AI hiện đại như Sora tạo video thực, chúng ta có thể mong đợi phiên bản next‑gen với giao tiếp NPC thông minh, thế giới phản hồi linh hoạt. Các bạn mong đợi AI gì trong game? #Wizardry8 #AItrongGame #Gaming #TròChơi #AI #GameAI
New video from @AIandGames about the dialogue system in Donkey Kong Bonanza!
ShadowRealms AI: Nền tảng RPG trên bàn cờ hỗ trợ AI, cho phép bạn tạo các chiến dịch với AI Dungeon Masters cục bộ, bộ nhớ vector và giao diện web hiện đại.
- Sử dụng LLM cục bộ
- Hệ thống bộ nhớ Vector
- Giám sát GPU
- Hỗ trợ đa ngôn ngữ
#AI #RPG #TabletopGaming #Docker #AITabletop #GameAI #CôngNghệ #TríTuệNhânTạo #Game
Randomly checking my website visitor stats and noticed a little spike today in traffic to https://brookmiles.ca/2013/09/23/mark-of-the-ninja-ai-article-published-in-game-ai-pro/ about the article I wrote for Game AI Pro back in 2013 about the enemy interest AI system in Mark of the Ninja.
Checked the referrer and it was from this post today about how the AI in the game Skin Deep was influenced by that article https://blendogames.com/news/post/2025-07-07-skindeepenemybrains/
I'm glad to know somebody has actually read it, and even found it useful! :ameowbongo:
