StoryBox: Collaborative Multi-Agent Simulation for Hybrid Bottom-Up Long-Form Story Generation Using Large Language Models

📄 arXiv: 2510.11618v1 📥 PDF

作者: Zehao Chen, Rong Pan, Haoran Li

分类: cs.CL, cs.MA

发布日期: 2025-10-13

备注: Project: https://storyboxproject.github.io

💡 一句话要点

提出StoryBox，利用多智能体协同模拟实现混合自底向上长篇故事生成。

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

关键词: 长篇故事生成 多智能体模拟 自然语言生成 大型语言模型 自底向上方法

📋 核心要点

  1. 现有长篇故事生成方法难以维持故事的连贯性和一致性，且缺乏角色和情节的自然发展。
  2. 利用多智能体在动态环境中交互，产生涌现事件作为故事的基础，实现角色和情节的有机发展。
  3. 实验结果表明，该方法生成的长篇故事在连贯性、一致性等方面达到了最先进的水平。

📝 摘要（中文）

本文提出了一种新颖的长篇故事生成方法，称为混合自底向上长篇故事生成，该方法利用多智能体模拟。在我们的方法中，智能体在一个动态的沙盒环境中交互，它们的行为以及与彼此和环境的交互会产生涌现事件。这些事件构成了故事的基础，从而实现了有机的角色发展和情节发展。与施加严格结构的传统自顶向下方法不同，我们的混合自底向上方法允许事件自然展开，从而促进了更自发和引人入胜的讲故事方式。该系统能够生成超过10,000字的故事，同时保持连贯性和一致性，解决了当前故事生成模型面临的一些关键挑战。我们在多个指标上实现了最先进的性能。这种方法为创建从智能体驱动的交互中有机演变的动态、沉浸式长篇故事提供了一种可扩展的创新解决方案。

🔬 方法详解

问题定义：现有长篇故事生成方法通常采用自顶向下的方式，预先设定故事结构，导致生成的故事缺乏自然性和灵活性，难以实现角色和情节的有机发展，并且难以维持长篇故事的连贯性和一致性。

核心思路：本文的核心思路是模拟人类作家创作故事的过程，即首先构思一个整体场景，然后让角色在环境中交互，从而产生故事。通过让智能体在动态沙盒环境中交互，智能体的行为和交互会产生涌现事件，这些事件构成故事的基础，从而实现角色和情节的有机发展。

技术框架：StoryBox 包含以下主要模块：1) 环境模拟器：构建一个动态的沙盒环境，定义环境的规则和状态。2) 智能体：每个智能体代表一个角色，具有自己的目标、行为和交互能力。3) 事件生成器：根据智能体的行为和交互，生成故事事件。4) 故事生成器：将生成的事件组织成连贯的故事。整体流程是，智能体在环境中交互，生成事件，事件被组织成故事。

关键创新：该方法的核心创新在于采用混合自底向上的方式生成故事。与传统的自顶向下方法不同，该方法不预先设定故事结构，而是让故事从智能体的交互中自然涌现。这种方法可以生成更自然、更灵活、更引人入胜的故事。

关键设计：关键设计包括：1) 智能体行为建模：使用大型语言模型（LLM）对智能体的行为进行建模，使其能够根据环境和目标做出合理的决策。2) 事件表示：设计一种有效的事件表示方法，以便将事件组织成连贯的故事。3) 故事评估指标：设计一套评估指标，用于评估生成故事的质量，包括连贯性、一致性、趣味性等。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，StoryBox 在多个指标上达到了最先进的性能。具体来说，StoryBox 生成的故事在连贯性、一致性和趣味性方面均优于现有的故事生成模型。此外，StoryBox 能够生成超过10,000字的长篇故事，并且能够维持故事的连贯性和一致性，解决了现有模型难以生成长篇故事的问题。

🎯 应用场景

该研究成果可应用于游戏开发、电影制作、教育娱乐等领域。例如，可以利用该方法生成游戏剧情、电影剧本、互动故事等。此外，该方法还可以用于训练AI写作助手，帮助人类作家创作故事，提高写作效率和质量。未来，该技术有望在内容创作领域发挥重要作用。

📄 摘要（原文）

Human writers often begin their stories with an overarching mental scene, where they envision the interactions between characters and their environment. Inspired by this creative process, we propose a novel approach to long-form story generation, termed hybrid bottom-up long-form story generation, using multi-agent simulations. In our method, agents interact within a dynamic sandbox environment, where their behaviors and interactions with one another and the environment generate emergent events. These events form the foundation for the story, enabling organic character development and plot progression. Unlike traditional top-down approaches that impose rigid structures, our hybrid bottom-up approach allows for the natural unfolding of events, fostering more spontaneous and engaging storytelling. The system is capable of generating stories exceeding 10,000 words while maintaining coherence and consistency, addressing some of the key challenges faced by current story generation models. We achieve state-of-the-art performance across several metrics. This approach offers a scalable and innovative solution for creating dynamic, immersive long-form stories that evolve organically from agent-driven interactions.