L'article présente AutoWorldBuilder, un système collaboratif multi-agents conçu pour répondre aux défis de l'explosion du contexte, de la cohérence et de l'assurance qualité dans le worldbuilding fictionnel automatisé.

  • Un mécanisme de compression contextuelle à quatre couches permet une réduction d'environ 90 % des tokens.
  • Un système de révision itérative avec des agents Auditor spécialisés améliore les taux de validation des propositions, passant de 42 % à plus de 85 %.
  • Les expériences utilisant GPT-OSS 120B et DeepSeek v3.2 démontrent un taux de réussite de 95,0 % sur 20 tâches.
  • Le système génère 56 à 103 concepts auto-cohérents par monde en 18 à 31 minutes, avec une livraison sans conflit.

Les auteurs soutiennent que ces modèles architecturaux, y compris la compression par budget de couche et l'ordonnancement de la localité sémantique, sont transférables à des applications LLM multi-agents plus larges intensives en connaissances.