多智能体协同创作：AutoWorldBuilder 用分层压缩与迭代审核攻克虚构世界构建难题

虚构世界构建是游戏设计和文学创作的基础，但利用大语言模型进行自动化构建时，常面临三大挑战：构建过程中线性增长的上下文信息爆炸、创意多样性与内容一致性的矛盾，以及缺乏自动化的质量保证机制。

近日，一项发表于 arXiv 的研究提出了 AutoWorldBuilder 系统，旨在通过多智能体协同框架解决上述问题。该系统包含五个核心组件：具备冲突检测功能的结构化概念网络；基于有向无环图（DAG）的混合批处理调度器，能按语义邻近性对任务分组；四层上下文压缩机制，可实现约90%的令牌缩减；配备专门审核智能体的迭代评审系统，能将提案通过率从42%提升至85%以上；以及支持零代码扩展、具备差异化温度配置的技能驱动型智能体架构。

研究团队使用 GPT-OSS 120B 和 DeepSeek v3.2 作为大模型后端，在20项不同的世界构建任务上进行了实验。结果显示，系统成功率达到95.0%，每个世界能在18-31分钟内生成56至103个自洽概念，且实现零冲突交付。该系统验证的架构模式——包括分层预算压缩、语义局部性调度以及生成与评审分离——可推广至更广泛的知识密集型、多智能体大模型应用场景。