EvoSpark：统一长视野叙事进化的内生交互式代理社会

在基于 LLM 的多智能体系统中实现内生叙事进化受到生成涌现的固有随机性的阻碍。特别是，长视界模拟受到社会记忆堆积的影响，其中冲突的关系状态在没有解决的情况下累积，以及叙事空间不和谐，其中空间逻辑与不断发展的情节分离。为了弥补这一差距，我们提出了 EvoSpark，这是一个专门设计用于在内源性交互代理社会中维持逻辑连贯的长期叙事的框架。为了确保一致性，分层叙事记忆采用角色社会进化基础作为活体认知，动态代谢经验来解决历史冲突。作为补充，生成场景调度机制强制角色-地点-情节的一致性，使角色的存在与叙事流程同步。支撑这些的是统一叙事操作引擎，它集成了紧急角色基础协议，将随机的火花转变为持久的角色。该引擎建立了一个基础，将最小的前提扩展到一个开放式的、不断发展的故事世界。实验表明，EvoSpark 的性能显着优于不同范式的基线，能够持续生成富有表现力和连贯的叙事体验。