JEV vs LLM : quelle IA devrait gérer les décisions de jeu en temps réel ?

Comparez JEV et LLMs pour l'IA du jeu. Apprenez quand utiliser les Choice, Score tapés et les jugements oui ou non par rapport au dialogue, à la planification, au code et à la génération narrative.

Seele Editorial TeamUpdated 21 septembre 2026
Visual comparison of typed game decisions and open-ended language-model generation.

JEV et LLMs résolvent différents problèmes dans un jeu. Un LLM est un générateur et un interprète à usage général pour le langage, les plans, le code, les dialogues et les instructions ouvertes. JEV est une capacité de décision limitée : elle évalue une projection de l'état du jeu par rapport à des questions typées et renvoie un résultat contraint tel qu'un Choice, Score ou un jugement oui ou non. La meilleure architecture utilise souvent les deux.

La réponse courte

Utilisez JEV lorsque le jeu connaît les options légales et a besoin d'un jugement dactylographié à leur sujet. Utilisez un LLM pour le dialogue, la narration, l'explication, le code, la génération ouverte ou une planification plus longue. Ni l’un ni l’autre ne devrait posséder de règles de jeu faisant autorité ; le moteur valide et exécute les résultats.

Capacité JEV LLM
1__SortieTapé Choice, Score, ou jugement limité
Texte, code, plans, dialogue ou structuré sortieMeilleur fitÉvaluation de l'État et sélection des actions des candidats
Conversation, récit, planification et générationAction espaceCandidats clôturés et validés
À durée indéterminée possibilitésJeu rôleCouche de décision ou tactique

Dialogue, contenu et haut niveau planification

Ce que JEV renvoieLes documents Public JEV décrivent des primitives typées telles que Choice, Score, et

Noul

. Un Choice sélectionne un élément dans un ensemble défini. Un Score classe les candidats. Un Noul répond à une question limitée par oui ou par non. Le jeu définit la question et le résultat autorisé au lieu de demander une prose sans restriction.

Quels sont les LLM bons pour

Les

LLM peuvent écrire des dialogues NPC, résumer l'historique des quêtes, générer des résumés de mission, expliquer une conception Choice, transformer le langage naturel en un brouillon de quête ou proposer un plan à long terme. Tout plan doit toujours être converti en commandes approuvées et dépasser les limites de validation du jeu.

  1. Pourquoi ne pas utiliser un LLM pour chaque tick ?
  2. Le contrôle par tick crée une interface linguistique générale responsable de la partie la plus sensible aux délais de la boucle de jeu. La sortie peut être trop lente, verbeuse ou ouverte, et le comportement devient plus difficile à reproduire. Les contrôles de direction, de collision, d'animation et de sécurité à bas niveau sont normalement déterministes. Déclenchez une décision tactique lorsqu'une menace apparaît, qu'une action se termine ou qu'un objectif change.
  3. Une architecture hybride JEV et LLM
  4. Le LLM gère le dialogue, l'interprétation des quêtes ou un plan.
  5. Le code du jeu traduit ce résultat en un état compact et fermé Legal Actions.

JEV choisit, Scores, ou ouvre la voie tactique décision.

  • Un arbre de comportement, un système de capacités ou un exécuteur exécute l'action.
  • La télémétrie enregistre l'état, la latence, la validité et résultat.
  • Liste de contrôle de décision
  • Connu Choice, Score, ou question par oui ou par non : JEV peut fit.

Dialogue, prose, code ou plan ouvert : un LLM peut fit.

Le jeu peut-il valider le résultat avant l'exécution ?

Y a-t-il une date limite, fallback et état rejouable ?

  1. Comparez par couche, pas par battage médiatiqueLa comparaison la plus utile demande quelle couche du jeu possède chaque système. La perception et l'état d'autorité appartiennent au moteur. La sélection tactique peut utiliser un modèle de décision limité. Le dialogue et le récit peuvent utiliser un LLM. La navigation, l'animation, la physique et la réplication doivent rester déterministes. Cette vue en couches évite le faux Choice consistant à confier à un modèle la responsabilité de l'ensemble NPC.
  2. Trois modèles hybridesLLM à JEV :
  3. le LLM interprète une demande d'un joueur ou un objectif de quête, puis le code du jeu le convertit en une question tactique délimitée pour JEV.JEV à LLM :

JEV sélectionne une situation ou un objectif qui mérite une explication, tandis que le LLM écrit un dialogue ou une mission. mise à jour.

Spécialistes parallèles :

  • JEV rend un délai sensible Choice tandis qu'un LLM prépare un dialogue, une mémoire ou un contenu non bloquant pour un moment ultérieur.Dans les trois modèles, le jeu possède le contrat de transfert. Un plan en langage naturel n'est pas une commande exécutable et un Choice saisi n'est pas une autorisation de contourner la validation.
  • Modes de défaillance à concevoir pourSortie ouverte :
  • le convertit en un jeu de commandes fermé avant exécution.État obsolète :
  • joindre une version et rejeter les résultats qui ne décrivent plus le world.Réponse lente :
  • conserver l'intention actuelle ou passer à un local politique.Dérive rapide :

garder les schémas de questions versionnés et rejouable.

Confusion des rôles :

documenter si un composant choisit, explique ou exécute.Matrice de sélectionChoisissez JEV lorsque les candidats sont connus, la décision doit être tapée et le jeu peut évaluer la validité. Choisissez un LLM lorsque le langage ou la génération ouverte est le produit de l'appel. Choisissez ni l’un ni l’autre pour une règle déterministe déjà facile à exprimer dans le code. La meilleure architecture d'IA réduit souvent la responsabilité du modèle jusqu'à ce que sa sortie puisse être testée comme n'importe quel autre sous-système.Pour la mise en œuvre, passez à JEV API utilisation. Pour l'architecture NPC, lisez JEV NPC