Makalah ini memperkenalkan AutoWorldBuilder, sebuah sistem kolaboratif multi-agent yang dirancang untuk mengatasi tantangan ledakan konteks, konsistensi, dan jaminan kualitas dalam worldbuilding fiksi otomatis.

  • Mekanisme kompresi konteks empat lapis mencapai pengurangan token sekitar 90%.
  • Sistem tinjauan iteratif dengan agen Auditor khusus meningkatkan tingkat kelolosan proposal dari 42% menjadi lebih dari 85%.
  • Eksperimen menggunakan GPT-OSS 120B dan DeepSeek v3.2 menunjukkan tingkat keberhasilan 95,0% di seluruh 20 tugas.
  • Sistem menghasilkan 56-103 konsep yang konsisten secara mandiri per dunia dalam 18-31 menit dengan pengiriman tanpa konflik.

Para penulis berargumen bahwa pola arsitektur ini, termasuk kompresi anggaran lapis dan penjadwalan lokalitas semantik, dapat ditransfer ke aplikasi LLM multi-agent intensif pengetahuan yang lebih luas.