如何测试大模型生成的游戏题目

假设一道生成的选择题没有正确选项。玩家答错后，游戏不让他施法了。问题已经从题目走到了规则：玩家无法答对，却照样受罚。只要题目会影响资源或进度，测试就得把这段过程一起看。

题目在哪里影响规则

Johnson 等人介绍的 Wizdom Run 会把学习笔记转成选择题：答对补充法力，答错限制行动。开发者反思中提到了无效选项和难度不匹配（§§2–3）。研究没有独立评估玩家。^[1]

把一轮完整跑下来

在自己的原型里选一处资源变化，记下初始状态、题目、选项、答案、玩家选择和最后状态。沿着这条路径找：谁接受题目，谁判对错，谁真正改资源。下面是供原型测试尝试的检查方法。

先问两件事：游戏能不能读懂返回内容？答案能不能从输入材料里得到支持？JSON 格式正确只回答了第一件事，不能据此认定答案也正确。

题目不能用时怎么办

换一道题、重试、暂停，各自都会影响游玩节奏。测试前先选好处理方式，写清玩家应该看到什么。还要检查：进入备用流程之后，迟到的回复是否仍能改动资源。

每个用例都把最终状态和事先写下的规则对照。界面看起来正常，也要保留结算结果。题目被拒绝后，资源变化应当符合选定的拒绝处理规则。