Startseite Projekte awesome-LLM-game-agent-papers
awesome-LLM-game-agent-papers
computer-games

awesome-LLM-game-agent-papers

Eine Umfrage zu spielbasierten Agenten auf Basis großer Sprachmodelle (ACM CSUR)

von git-disl · GitHub
Sterne
Forks
Erstellt
Letzter Commit
computer-gamesgame-agentlarge-language-models
Auf GitHub ansehen
In einfachen Worten

Eine Sammlung wichtiger Forschungsarbeiten zu KI-Spielagenten erkunden.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
awesome-LLM-game-agent-papers — GitHub preview card
📈 Sternhistorie
956932
2026-07-202026-08-31
📈 awesome-LLM-game-agent-papers verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Eine Umfrage zu spielbasierten Agenten auf Basis großer Sprachmodelle (ACM CSUR)

awesome-LLM-game-agent-papers hat 956 Sterne auf GitHub. Es wurde 34-mal geforkt. Es wird seit 2024 aktiv entwickelt. Die Hauptthemen sind: computer-games, game-agent, large-language-models, llm-based-agent.

Frequently asked questions

Was ist awesome-LLM-game-agent-papers?

Eine Umfrage zu spielbasierten Agenten auf Basis großer Sprachmodelle (ACM CSUR)

Ist awesome-LLM-game-agent-papers Open Source?

awesome-LLM-game-agent-papers ist ein Open-Source-Projekt.

Ist awesome-LLM-game-agent-papers kostenlos?

Ja. awesome-LLM-game-agent-papers ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

🏅 Wartender dieses Projekts?
olud.ai badge — awesome-LLM-game-agent-papers

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=git-disl-awesome-llm-game-agent-papers)](https://olud.ai/project/git-disl-awesome-llm-game-agent-papers.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.