DraMaze: una pipeline multi-agente con memoria che tiene conto del futuro per generare sceneggiature diversificate di microdrammi

Abstract degli autori

La rapida crescita dei microdrammi ha aumentato la domanda di sceneggiature di alta qualità. Generare con gli LLM sceneggiature lunghe per microdrammi richiede sia uno sviluppo vario della trama sia una coerenza narrativa che si mantenga nel lungo periodo. Le nostre osservazioni mostrano che, man mano che la generazione procede, le possibili continuazioni si concentrano sempre più su un numero ridotto di meccanismi narrativi, mentre il recupero convenzionale delle informazioni può rafforzare il riutilizzo degli stessi espedienti e trascurare elementi della storia già narrata essenziali per gli sviluppi futuri della trama. Per affrontare queste difficoltà, proponiamo DraMaze, una pipeline multiagente che esplora diversi percorsi causali mediante una ricerca evolutiva ad albero e mutazioni guidate dalla memoria degli espedienti narrativi. DraMaze costruisce inoltre un Backward Narrative Dependency Tree per organizzare, conservare e recuperare i ricordi della storia in base agli obiettivi narrativi futuri. Presentiamo anche MiDramaBench, un benchmark bilingue per valutare la logica delle sceneggiature e la qualità creativa su sceneggiature di diversa lunghezza, insieme a metriche basate sugli schemi causali per misurare ripetizione e varietà narrative. Gli esperimenti mostrano miglioramenti costanti con tre LLM di base. Per sceneggiature di 60 episodi, fino a 60k parole, DraMaze riduce del 32,1% la ripetizione degli schemi causali e ottiene un punteggio Logic di 82,5, superando di 8,5 punti il migliore metodo di riferimento.