Improving Collaborative Storytelling with a Multi-Agent Framework Based on Large Language Models

📄 arXiv: 2605.29625v1 📥 PDF

作者: Arturo Valdivia, Paolo Burelli

分类: cs.AI

发布日期: 2026-05-28

💡 一句话要点

提出基于LLM的多智能体框架，提升儿童协同故事创作质量

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 协同创作 大型语言模型 多智能体系统 儿童教育 故事生成

📋 核心要点

  1. 现有协同创作研究主要集中于成人与AI在数字环境中的互动，缺乏对儿童参与的实体互动场景的探索。
  2. 论文提出一种基于LLM的多智能体框架，通过迭代的“作者-编辑”过程，提升故事创作质量。
  3. 模拟实验表明，该框架通过少量迭代步骤即可显著提高生成故事的质量，适用于交互式故事创作系统。

📝 摘要（中文）

本文探讨了人工智能体与人类协同创作的新兴领域，特别关注儿童与大型语言模型（LLM）通过实体棋盘游戏互动，共同创作书面故事的场景。目标是开发一个多智能体框架，生成适合儿童的高质量叙事作品。该方法的核心是一个迭代的“作者-编辑”过程，其中一个LLM生成故事，另一个LLM评估故事并提供改进反馈。通过涉及多个LLM的模拟研究表明，这种迭代交互能够持续提高生成故事的感知质量。结果表明，在交互式故事创作系统中，少量的改进步骤可能足以实现高质量的输出。

🔬 方法详解

问题定义：论文旨在解决儿童与LLM在实体棋盘游戏环境中协同创作高质量故事的问题。现有方法主要关注成人数字环境，缺乏对儿童实体互动场景的有效支持，难以生成适合儿童理解和兴趣的故事内容。

核心思路：论文的核心思路是引入迭代的“作者-编辑”过程，模拟人类写作中的自我审查和改进机制。通过让一个LLM作为作者生成故事，另一个LLM作为编辑评估故事并提供反馈，不断优化故事内容，从而提升故事质量。这种设计借鉴了人类写作的迭代改进过程。

技术框架：该框架包含两个主要模块：作者LLM和编辑LLM。作者LLM负责根据游戏输入（例如棋盘上的位置、角色等）生成故事片段。编辑LLM负责评估作者LLM生成的故事片段，并提供改进建议。这两个模块通过迭代的方式进行交互，作者LLM根据编辑LLM的反馈不断改进故事内容。整个流程模拟了人类写作的迭代过程。

关键创新：该框架的关键创新在于将迭代的“作者-编辑”过程引入到LLM的协同故事创作中。与传统的单次生成方法相比，该方法能够通过反馈机制不断优化故事内容，从而显著提高故事质量。此外，该框架还考虑了儿童的认知特点，通过实体棋盘游戏作为输入，增强了互动性和趣味性。

关键设计：论文中涉及的关键设计包括：1) 作者LLM和编辑LLM的具体选择和配置；2) 编辑LLM的评估指标和反馈机制；3) 迭代次数的设置；4) 棋盘游戏与LLM之间的接口设计。具体的参数设置和网络结构等技术细节在论文中可能未详细描述，属于未知信息。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

模拟实验结果表明，通过迭代的“作者-编辑”过程，生成故事的感知质量得到持续提高。实验结果表明，经过少量（具体数量未知）的迭代步骤，即可达到高质量的输出。该结果验证了所提出的多智能体框架在提升协同故事创作质量方面的有效性。

🎯 应用场景

该研究成果可应用于儿童教育娱乐领域，例如开发交互式故事创作游戏、辅助儿童写作学习等。此外，该框架也可推广到其他协同创作场景，例如人机协同设计、人机协同编程等，具有广泛的应用前景和实际价值。未来，该研究有望推动人机协同创作技术的发展，促进人工智能在教育、娱乐等领域的应用。

📄 摘要（原文）

The topic of Co-creation, i.e., AI agents interacting with humans to generate outputs (e.g., art), has gained significant attention recently. However, most studies focus on adult-human interactions in a digital setting. This paper explores a novel ludic co-creation scenario involving children and Large Language Models (LLMs) interacting through a physical board game to create written stories. Our goal is to develop a multi-agent framework capable of producing high-quality narratives suitable for young players. At the core of our approach is an iterative Writer-Editor process in which one LLM generates stories while another evaluates them and provides feedback for refinement. Through a simulation study involving multiple LLMs, we show that this iterative interaction consistently improves the perceived quality of generated stories across successive loops. The results indicate that a small number of refinement steps may be sufficient to achieve high-quality outputs in interactive storytelling systems.