Les chercheurs présentent MAGNET, un moteur de narration multi-agents piloté par des objectifs qui génère des histoires à l'aide d'agents de personnages ancrés dans le persona, ainsi qu'ATLAS, un pipeline basé sur les graphes pour détecter les hallucinations. Le système suit un état du monde partagé et des objectifs d'histoire évolutifs pour maintenir la cohérence narrative dans les récits longs.
- MAGNET utilise des agents de personnages ancrés dans le persona pour proposer des actions basées sur un état du monde partagé.
- ATLAS compare les représentations mondiales au niveau des scènes à travers l'histoire générée pour identifier les incohérences.
- Sur 100 pages, le framework a réduit les annotations de 41 % et les hallucinations de 50 % par rapport à une baseline à modèle unique.
- L'approche a également surpassé IBSEN, réduisant les annotations de 34 % et les hallucinations de 45 %.
Les résultats suggèrent que le suivi explicite de l'état du monde et la génération multi-agents pilotée par des objectifs fournissent une base pour la génération de récits longs contrôlable et structurellement cohérente.