EvoSpark：用于统一长程叙事进化的内生交互式智能体社会

基于大语言模型的多智能体系统难以实现内生叙事进化，主要受限于生成涌现的随机性。长程模拟常面临社会记忆堆叠（冲突关系状态累积）和叙事空间失调（空间逻辑脱离情节）问题。为此，本文提出 EvoSpark 框架，旨在维持内生交互式智能体社会中逻辑连贯的长程叙事。该框架通过分层叙事记忆动态代谢经验以解决历史冲突，并利用生成性场面调度机制确保角色、地点与情节的对齐。实验表明，EvoSpark 在生成表达力强且连贯的叙事体验方面显著优于基线方法。