游戏制作人玉置绚（Tamaki Jun）在一场名为“生成AI什么都能展示会”的活动中，公开自己开发的赛马预测系统“GALLOPIA”。系统利用多位虚拟AI女角色的群体对话功能，通过模拟讨论预测赛马结果，最终成功命中了一张赔率高达2275.3倍的彩票。

玉置绚公开自己开发的赛马预测系统“GALLOPIA”，通过模拟讨论预测赛马结果（图片来源：gigazine）

GALLOPIA并非传统数据驱动型赛马预测工具，而是强调互动和趣味性。系统由8位具有不同专业领域的AI女角色组成，她们在群组聊天中各抒己见，讨论特定比赛的赛果。最终由“主人公”角色综合所有分析，得出推荐投注策略。例如，血统分析由“千秋”负责，骑师和关系者评估则由“紫苑”主导，而“疾风”则专注于速度和训练数据的解析。她们的讨论过程由“调查”进行监控，最后由“文乃”负责将讨论内容整理成清晰的提案。

GALLOPIA由8位具有不同专业领域的AI女角色组成（图片来源：gigazine）

根据玉置的描述，系统的设计目标是“让AI女角色间展开类似人类的趣味性对话，表现出对某匹马的强烈主张”，而非专注于构建高精度的赛马预测算法。

系统的设计目标非专注于构建高精度的赛马预测算法（图片来源：gigazine）

玉置在开发过程中结合了多种语言模型，并采用了“多代理LLM编排”（Multi-Agent LLM Orchestration）技术。其核心思路在于，针对不同的专业领域分别使用独立模型进行分析，最终再集成所有结果。所使用的模型包括：负责从大数据中提取优劣势的gemini-1.5-pro、进行少量数据分析，辅助主要角色“主人公”决策的GPT-4o、生成每位AI角色的核心论点的claude-3-5-sonnet 、负责角色对话创作，个别单元总结的claude-3-haiku及负责记录和整理讨论内容的GPT-4o-mini。

开发过程中结合了多种语言模型，并采用了“多代理LLM编排”

通过多次短输入提示调用模型，能有效避免单一大型输入导致的结果准确性下降问题。

GALLOPIA展示语言模型在多重知识领域集成中的潜力。特别是在赛马预测涉及血统、骑师评估和速度数据的复杂分析中，结合多个专业模型进行协作，可以大幅提升预测的准确度。玉置坦言系统的主要目标是提供趣味性体验，他认为，未来或可将类似技术应用于金融、医疗等需要专业知识集成的领域，开发出更精确且实用的AI工具。

数据及图片来源：gigazine