Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models
本文提出了一种多智能体框架，该框架利用大语言模型通过迭代式的“作者 - 编辑”流程，借助实体棋盘游戏增强儿童与人工智能之间的协作叙事，并证明仅需少数几次优化循环即可显著提升叙事质量。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一群年幼的孩子正在玩一款名为YOLI的实体棋盘游戏。他们不只是掷骰子，而是挑选出代表角色、地点和物品的彩色瓷砖（例如“消防员”、“厨房”和“心形肥皂”）。他们的目标是用这些道具来讲述一个故事。
问题在于？如果你只是让计算机根据这些随机挑选的道具来编写故事，它可能会感到困惑、忘记这些道具，或者编造出孩子们并未选择的元素。本文提出了一种巧妙的解决方案：由两名 AI 机器人组成的团队协作，为孩子们编写完美的故事。
以下是其工作原理，分解为简单的步骤：
1. 设置：作家与编辑
将 AI 系统想象成一个创意写作工作坊，其中包含两个特定角色：
- 作家：这是实际撰写故事的 AI。它根据孩子们挑选的瓷砖，尝试将它们编织成一个故事。
- 编辑：这是第二个 AI。它的工作不是写作，而是批判。它阅读作家创作的故事，检查其是否与孩子们的瓷砖相符，并给出评分（就像学校的分数一样），同时提供如何改进的建议。
2. 过程：“草稿与润色”循环
魔法发生在一个循环中，有点像音乐家练习一首歌曲：
- 初稿：作家根据孩子们的瓷砖创作一个故事。
- 批判：编辑阅读它，指出：“嘿，你忘了心形肥皂！”或者“这部分有点无聊”，并给出一个评分（例如 70%）。
- 重写：作家根据这些反馈，撰写故事的新版本，试图修正错误。
- 重复：编辑阅读新版本，给出新的评分（也许是 85%），并提供更多建议。
该论文通过在计算机模拟中运行此循环五次进行了测试。他们发现，故事每次都会变得更好。
3. 关键发现
研究人员关于这种“团队合作”发现了一些有趣的事情：
- 第一次修正幅度最大：质量的最大飞跃发生在第一次批判之后。从初稿到二稿的跨越，就像从粗糙的草图变成了完成的画作。在此之后，改进幅度越来越小（收益递减）。
- 通常三步就足够了：研究表明，进行大约三次这样的循环通常是最佳点。到了第三或第四轮，故事通常已经非常完美，此时再试图修正反而可能使其变差，或者只是浪费时间。
- 大脑更大有帮助，但小脑也能行：他们测试了不同的 AI 模型（有些拥有“较小的大脑”，有些拥有“较大的大脑”）。更大、更聪明的编辑能够更快地发现问题，并在更少的步骤内将故事提升至完美分数。然而，即使是较小的编辑也能显著改善故事。
4. 这对孩子们为何重要
论文强调，这是专为3 至 6 岁的儿童设计的。
- 孩子们无需屏幕：孩子们在棋盘上玩实体瓷砖。AI 在后台工作。
- 杜绝幻觉：一个主要目标是确保 AI 不会“幻觉”（编造与孩子们选择相矛盾的内容）。编辑就像一位严格的老师，确保故事忠实于孩子挑选的瓷砖。
- 快速且轻量：由于该系统不需要人类重新训练或教授新内容，因此它是一种轻量级、快速的方法，可为游戏环节准备好高质量的故事。
总结
这篇论文表明，如果你让 AI 编写一个故事，然后让第二个 AI 充当严格的编辑来批判和润色它，最终的故事会比第一个 AI 仅写一次要好得多。这是一种简单而有效的方法，可以确保当孩子挑选了“猫”和“厨房”时，他们听到的故事确实是关于一只在厨房里的猫，而且这还是一个非常精彩的故事。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。