从角色到情节：以角色为基础的多主体故事生成，用于长篇叙事

尽管大语言模型（LLM）已经展现出令人印象深刻的创造性小说生成，但他们很难在长篇故事中保持叙述的一致性和连贯的情节线索。在这项工作中，我们引入了一个用于长篇叙事生成和验证的统一框架。 MAGNET 是一种用于讲故事的多代理目标驱动的叙事引擎，它使用基于角色的角色代理生成故事，这些代理根据共享的世界状态和不断发展的故事目标提出行动，而 ATLAS 是一个基于图形的管道，可以比较生成的故事中的场景级世界表示以检测幻觉。通过使用 LLM 编辑器、成对评分标准和 ATLAS 评估 MAGNET，我们表明，与单模型提示和 IBSEN 相比，我们的框架可以产生连贯的叙述。在 100 页时，与单一模型基线相比，MAGNET 的注释和幻觉分别减少了 41% 和 50%，与 IBSEN 相比分别减少了 34% 和 45%，成对评估表显示了相似的结果。这些结果表明，长篇叙事可以从明确的世界状态跟踪和目标驱动的多主体生成中产生，为可控且结构连贯的长篇叙事生成提供基础。