研究人员开发了 NarrativeWorldBench，这是一个旨在评估大型语言模型 (LLM) 在长篇音频戏剧中保持叙事一致性能力的新基准。目前的尖端 LLM 在超过 200 集的叙事弧方面存在困难，情节节拍 F1 分数饱和在 0.8 左右。为解决此问题，他们引入了 N-VSSM，一个利用 Mamba-2 主干的叙事变分状态空间模型，该模型在各种周期中实现了至少 0.84 的情节节拍 F1 分数，并在与专业作者的合作研究中证明了比 Claude Opus 4.5 更优越的长周期一致性和可控性。 AI
影响 引入了一个新的基准和模型，显著提高了长篇叙事的一致性，有可能实现更复杂的人工智能驱动的故事叙述。
排序理由 该集群描述了一篇介绍用于长周期叙事生成的新基准和新颖模型的研究论文，包括评估结果。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.17391v1 Announce Type: cross Abstract: Long-form serialized audio drama, with arcs that run for 200 to 800 episodes, is a major creative medium and a setting where frontier large language models (LLMs) fail. We benchmark 21 models, spanning classical, fine-tuned, open-…
Long-form serialized audio drama, with arcs that run for 200 to 800 episodes, is a major creative medium and a setting where frontier large language models (LLMs) fail. We benchmark 21 models, spanning classical, fine-tuned, open-frontier, closed-frontier, and reasoning tiers, on…