AI 自动翻译
arXiv：2610.32002v1 公告类型：新
摘要：微短剧的迅猛发展推动了对高质量剧本创作的需求。利用大语言模型生成长篇微短剧剧本，既需要丰富多样的情节推进，又要求具备长远的叙事连贯性。我们的观察表明，随着生成过程的推进，候选续写内容往往愈发集中于少数几种叙事机制；而传统的检索方式则可能加剧套路的重复使用，并忽视对未来情节至关重要的历史信息。为应对这些挑战，我们提出了DraMaze——一种多智能体流水线，通过基于套路记忆的进化树搜索与变异机制，探索多样化的因果路径；同时构建了后向叙事依赖树，以未来叙事目标为导向，对历史记忆进行组织、保存与检索。此外，我们还推出了MiDramaBench——一个面向不同剧本长度、用于评估剧本逻辑与创意质量的双语基准，并配套引入了用于衡量叙事重复性与多样性的因果模式指标。实验结果表明，在三款主流大语言模型上均实现了稳定提升。对于长达6万字、共60集的剧本，DraMaze可将因果模式重复率降低32.1%，并获得82.5分的逻辑评分，较表现最佳的基线高出8.5分。