Grounded Continuation：一种用于 LLM 对话的线性时间运行时验证器

针对长对话中 LLM 基于已废弃前提生成看似合理回复的问题，本文提出一种运行时验证器。该验证器维护显式依赖图，将每轮对话分类为八种更新操作，并记录主张与证据间的依赖关系。通过图遍历检查延续性支持，利用回传机制标记失效结论，实现线性时间复杂度与形式化无冲突保证。实验表明，在 LongMemEval-KU 等基准上，该方法准确率优于纯 LLM 及检索增强基线，有效抑制幻觉并提升多智能体场景下的 grounding 能力。