NarrativeWorldBench：一个前沿饱和的基准测试与用于长程共创音频剧的潜在世界模型

针对长篇幅连载音频剧中大语言模型在长程一致性上的失效问题，本文构建了 NarrativeWorldBench 基准，评估了 21 种模型在不同时间跨度下的叙事结构指标。研究发现现有闭源模型在长程任务中性能显著下降。为此，作者提出了 N-VSSM（叙事变分状态空间模型），利用 Mamba-2 架构维护超过 200 集的结构化潜在世界状态。实验表明，该模型在计算成本降低四倍的情况下，长程情节一致性优于主流闭源模型，并在跨语言保真度和可控性上获得专业作家的高度评价。