迷失在故事中：大语言模型长故事生成中的一致性缺陷

针对大语言模型在生成长篇叙事时难以维持事实、角色及世界观一致性的问题，本文提出了 ConStory-Bench 基准测试。该基准涵盖 2000 个提示词，定义了五类一致性错误及其细分子类型，并开发了自动检测管道 ConStory-Checker。实验评估表明，一致性错误多发于事实与时序维度，常出现在叙事中段及高熵文本区域。本研究填补了长文本一致性评估的空白，为提升模型长期记忆与上下文一致性能力提供了重要依据。