MeepleLM：模拟多样玩家体验，重塑桌游设计评估

大模型桌游体验官新登场！不仅能迅速给出评价建议，还能精准模拟不同玩家体验差异。

近期，来自盛大东京研究院、上海创智学院、南开大学及上海人工智能实验室的研究团队携手推出MeepleLM——全球首个能模拟真实玩家视角，并基于动态游戏体验提供建设性反馈的虚拟试玩模型。

为消除AI评价的“悬浮感”，研究团队精心构建了包含1,727本结构化桌游规则手册与15万条真实玩家评论的专属数据集，成功建立了从“客观规则”到“主观体验”的映射桥梁。

在此基础上，团队引入经典的MDA（机制-动态-美学）游戏设计理论，使模型能够跨越静态文字，推演游戏运行时的动态交互，并从评价数据中提炼出五种典型玩家画像，让AI内化特定偏好，模拟“千人千面”的真实感受。

实验证明，MeepleLM在还原玩家口碑与评分分布的精准度上，显著超越GPT-5.1和Gemini3-Pro等通用模型。

桌游设计的“盲盒”困境

桌游产业虽在快速增长，但其设计过程仍面临巨大挑战。与电子游戏不同，桌游体验高度依赖于玩家间的社交互动和规则的涌现效应。

传统设计流程极度依赖人工试玩（Playtesting），不仅耗时费力，且难以覆盖所有类型的玩家偏好。现有通用大模型虽能理解文本，但往往缺乏对“游戏机制如何转化为情感体验”的深入理解，生成的建议往往模棱两可或仅复述规则，无法提供基于不同玩家视角的深刻洞察。

为打破这一僵局，研究团队推出MeepleLM——一个不仅能读懂规则，更能“模拟人心”的虚拟试玩者。

△

教AI像设计师一样思考

MeepleLM的核心突破在于它并未将评价视为简单的文本生成任务，而是构建了一条从客观规则到主观体验的认知链路。

1. 高质量的专业数据集

团队通过分层采样策略选取了1,727款覆盖不同复杂度与年份的代表性游戏，将非结构化PDF规则书转化为结构化文档。构建了一个包含1,727本结构化规则书和15万条高质量评论的数据集。

同时，针对180万条海量评论，团队设计了一套包含硬过滤、MDA评分与语义维度识别的自动化处理流程，最终筛选出约8%能够深度关联“游戏机制”与“动态体验”的高质量语料。

△

2. MDA认知链（Chain-of-Thought）

为让模型理解“好玩”的成因，MeepleLM引入了游戏设计经典的MDA框架（Mechanics-Dynamics-Aesthetics）作为思维链：

Mechanics（机制）：游戏包含哪些规则？（TheWhat）

Dynamics（动态）：规则运行时发生了哪些交互？（TheHow）

Aesthetics（美学）：这些交互带给玩家何种情感体验？（TheFeel）

通过这条显式的推理路径，模型得以逻辑严密地推导出体验结果。

3. 五大玩家画像（Personas）

“彼之蜜糖，吾之砒霜”。不同玩家对同一机制的反应大相径庭。研究团队通过聚类分析，提炼出五种典型的数据驱动型玩家画像：

The System Purist：追求极致的平衡与逻辑，痛恨随机性。

The Efficiency Essentialist：追求流畅的节奏，厌恶繁琐的操作。

The Narrative Architect：沉浸故事与代入感，机制服务于主题。

The Social Lubricator：玩游戏为了社交，喜欢互动。

The Thrill Seeker：追求高风险高回报的快感。

MeepleLM能够“角色扮演”这些特定画像，从而给出带有特定偏好但多样的反馈。