ConWriter：具有轻量级神经符号一致性控制的转换约束状态长篇故事生成

长篇故事的生成需要模型在扩展的上下文中保持叙事的一致性，但现有的基于提示的方法经常会随着故事的发展而积累时间、事实、人物、常识和风格错误。我们提出了 ConWriter，一个 无需训练 框架，用于生成一致性感知的长篇故事。 ConWriter 在静态故事要求、动态叙事记忆、符号状态推理和不确定性感知风险信号的指导下，在场景级别增量地编写故事。 ConWriter 并没有将长故事生成视为单一的自由形式解码过程，而是维护不断发展的故事状态，检查新场景是否满足所需的叙事过渡，并使用不确定性感知风险信号来优先考虑验证和本地修复。这可以在本地错误传播到后续场景之前实现生成过程中的一致性控制。我们遵循官方评估协议，在 ConStory-Bench 上针对四个长故事任务、三个目标长度和多个基础 LLM 评估 ConWriter。在模型和故事长度上，ConWriter 始终匹配或改进直接生成，并在叙事一致性方面优于最近的 无需训练 基线 DOME。这些结果证明了轻量级神经符号一致性控制对于 无需训练 长篇故事生成的有效性。代码可在 \href{https://github.com/jindongli-Ai/ConWriter}{GitHub} 上找到。