动态环境下的内容在线生成合成数据集

针对传统内容生成方法难以根据环境变化与用户反馈实现自适应调整、从而难以持续提升用户体验的问题，本数据集依托基于强化学习与多目标集成剪枝的程序化内容在线生成框架，系统采集了动态环境下大规模平台跳跃类互动关卡及其评估指标。数据以环境、内容、用户反馈的闭环交互为背景，在12种不同用户偏好与约束组合的代表性场景中，对训练好的生成模型分别独立运行20次，每次在线生成200个关卡可视化图片，并同步记录每条关卡样本的奖励函数值、多样性指标和资源消耗指标，最终形成4.8万张关卡图像和240个population.txt指标文件，并配套提供生成器与评测器的执行源代码、互动内容生成算法源代码以及相关论文和专利文档。数据采集于2025年3月在南方科技大学工学院完成，统一在NVIDIA A800 GPU与AMD EPYC 9654 96-Core CPU实验平台上生成与导出，并通过目录结构校验、命名规则检查和数值字段完整性检查等流程保障数据质量与可复现性。该数据集为研究多目标集成剪枝、程序化内容生成、多样性优化和资源约束强化学习提供了高质量实验基础，也可作为游戏人工智能和交互式内容生成算法在动态场景下进行比较评测与方法创新的重要公开基准数据。