Vylepšení strategie napovídání ve slovně-asociační hře Krycí jména

Abstract

Práce se zabývá návrhem a implementací vylepšeného systému pro generování nápověd ve hře Krycí jména ze strategického hlediska. Hlavní přínos spočívá v použití stromového plánování tahů a adaptivního výběru stylu nápovědy podle vývoje hry. Dále je systém rozšířen o možnost automatického vysvětlení významu nápověd pomocí jazykového modelu GPT a příkladových vět z korpusu. Nový přístup byl otestován jak pomocí simulací, tak i reálnými hráči. Výsledky ukazují vyšší výhernost i srozumitelnost nápověd, přičemž kvalita byla hodnocena mimo jiné pomocí metriky CoLT.

The thesis deals with the design and implementation of an improved system for generating hints in the game Codenames from a strategic perspective. The main contribution lies in the use of a tree-based move planning and adaptive selection of hint style according to the evolution of the game. In addition, the system is extended with the possibility to automatically explain the meaning of hints using a language model GPT and example sentences from the corpus. The new approach has been tested using both simulations and by real players. The results show higher win rates and interpretability of hints, while the quality of was evaluated using, among others, the CoLT metric.