AI要約本論は大型言語モデルと拡散モデルを用いたTCGカードの Procedural Content Generation のパイプラインを提案する。ポケモンをデータセットとして活用し、プレイヤー中心の共同制作と埋め込み表現を組み合わせる。49名の参加者が196枚のポケモンカードを作成・評価し、視覚と機構の代表性に高い満足度が得られた。今後の自動生成システムやメタゲーム進化の代替としての可能性を示す。

AI要約本研究はPokemon名の音象徴性を用い、機械学習アルゴリズムを分類タスクに適用する研究である。名前の音を特徴量として前後の進化状態を分類するランダムフォレストを構築した研究である。日本語・中国語・韓国語の名音と未見名の命名実験を組み合わせ、過学習の問題と新しいクロスバリデーション手法を検討した研究である。実験結果は、ランダムフォレストが人間を上回る分類精度を達成し、音と意味の対応を効率的に学習できることを示した研究である。