一种基于证据驱动候选集控制的因果一致叙事生成结构化推理框架

《Knowledge-Based Systems》:A structured reasoning framework for causally consistent narrative generation via evidence-conditioned candidate-set control

【字体: 大 中 小 】 时间:2026年09月23日 来源:Knowledge-Based Systems 8.0

编辑推荐:

   摘要 大语言模型(LLMs)能生成流畅的开放式文本,但在推理密集型叙事(如侦探小说)中往往难以维持长距离因果一致性。现有方法很少追踪相互竞争的可疑嫌疑人假设,也很少随着证据的积累而系统地更新它们。我们提出了 CORE(通过迭代推理评估进行收敛式大纲构建),一个用于基于证据的候

  

摘要
大语言模型(LLMs)能生成流畅的开放式文本,但在推理密集型叙事(如侦探小说)中往往难以维持长距离因果一致性。现有方法很少追踪相互竞争的可疑嫌疑人假设,也很少随着证据的积累而系统地更新它们。我们提出了 CORE(通过迭代推理评估进行收敛式大纲构建),一个用于基于证据的候选集控制的结构化框架。CORE 包含四个阶段。推理单元构建模块构建局部化的成对推理单元。迭代调查模块生成调查行动和法医结果,使用证词 - 法医对齐分数评估证词与证据之间的矛盾,并应用阶段自适应转换、重试、过滤和终止规则。大纲整合模块将完整的调查历史(包括被排除的候选人及其反驳)转换为按时间顺序排列的场景计划。叙事实现模块将这些计划扩展为最终剧本,而不改变得出的解决方案。我们使用专有和开源 LLM 将 CORE 与零样本、顺序、基于大纲、记忆增强和多智能体基线进行比较。CORE 在使用 GPT-4o 和 GPT-oss-20b 的所有评估生成方法中获得了最高的平均 G-Eval 分数,并在所有测试的模型架构上改进了零样本生成。消融研究指出,成对分解和历史记忆是最大的贡献因素。盲测人类评估进一步表明其在隐瞒和突转方面的优势,同时指出悬念是未来需要改进的领域。转折点分析和案例研究进一步表明,CORE 维持了调查进展,并将凶手识别建立在前面场景开发的证据基础上。这些结果表明,基于证据的候选集控制提高了结构化叙事生成中的叙事级因果一致性。

引言
大语言模型(LLMs)的最新发展,包括 GPT-4 [1] 和 Gemini [2],显著提升了生成连贯流畅开放式文本的能力。这些模型在各种创意领域表现良好,包括虚构对话、角色互动和松散结构的叙事 [3], [4]。然而,它们在需要长距离因果一致性和基于证据推理的任务中仍然有限,特别是在侦探小说等特定领域背景下。与一般叙事生成不同,侦探剧本必须满足正式戏剧约束,同时符合文学理论中确立的“谁是凶手”惯例的典范双叙事结构 [5]。

侦探叙事,特别是在“谁是凶手”传统中,要求通过调查阶段、角色审讯和证据的受控披露来实现结构化进展 [6], [7]。除了语言流畅性之外,成功的剧本还必须保持连贯的证据链,维持合理的误导,并产生逻辑上有根据的解决方案 [8], [9], [10]。这些要求引入了一个结构化推理问题,即必须评估多个相互竞争的假设,并随着时间的推移逐步完善它们。尽管最近的多智能体框架试图通过专业角色来分解复杂的生成任务,但它们通常缺乏跟踪此类假设并对照累积证据进行验证的明确机制。因此,生成的叙事可能实现局部连贯,但无法维持全局因果一致性——导致逻辑矛盾、情节发展碎片化和悬念减弱。通过标准提示或无约束智能体协作生成的输出往往缺乏连贯的场景进展和基于先前证据的连贯解决方案 [11]。

在本研究中,因果一致性指的是跨场景的证据到解决方案链的叙事级一致性。具体而言,调查期间引入的关键线索随后应得到发展、解决或明确驳回;嫌疑人状态的变化应通过嫌疑人证词与法医证据的比较来证明其合理性;最终的凶手识别或认罪应得到整个叙事过程中累积证据的支持。因此,我们重点关注三种主要失败类型:未解决的关键线索、缺乏先前证据支持的结论,以及证词与法医证据之间未裁定的冲突。这种用法涉及调查情节中的因果关系,并不意味着形式因果推断,也不包含叙事质量的所有维度,例如角色动机一致性。

除了这些证据链失败之外,生成的侦探叙事可能表现出较弱的全局节奏。为了检查这一结构问题,我们使用五个典范的侦探讲故事状态构建叙事弧线分析:激励事件、调查开始、线索收集、高潮和解决。我们使用 GPT-4.1 作为一致的标注者,提示其将每个场景分配给其叙事角色,对人工编写的剧本(来自《犯罪现场调查》和《识骨寻踪》)和 LLM 生成的输出进行分段。然后我们要求 GPT-4.12 根据每个片段的叙事张力和观众参与度,使用针对结构进展和流派忠诚度校准的标准进行评分(1 到 5 分)。这些分数被归一化到 [0,1] 范围内,并对样本进行平均。图 1 中显示的相应曲线揭示,人工编写的剧本表现出以高潮为顶峰的清晰弧线,而零样本基线的输出则呈现出更平坦的轨迹,且跨叙事阶段的方差较低。我们提出的方法密切逼近人类弧线结构,特别是在高潮铺垫和张力解决方面。

为了满足侦探剧本生成的独特需求,我们引入了 CORE,一个以基于证据的候选集控制为中心的结构化推理 - 生成框架。CORE 不是在大纲构建期间确定解决方案,而是通过迭代评估嫌疑人证词与法医证据来推导解决方案,随后将生成的调查历史转换为按时间顺序排列的叙事大纲。该过程通过四个功能阶段实现。首先,推理单元构建模块(RCM)分解巨大的假设空间以克服 LLM 上下文限制。其次,迭代调查模块(IIM)通过系统地消除与法医证据矛盾的假设来确保严格的因果一致性。第三,大纲整合模块(OCM)将累积的推理结构化为按时间顺序排列的场景以控制叙事节奏。最后,叙事实现模块(NRM)生成最终剧本,专注于流派特定的悬念和有效的突转。这种模块化设计能够更好地对齐侦探故事叙述的约束和惯例,促进稳健的因果推理和角色驱动的动力。

为了评估一般叙事质量和流派特定有效性,我们采用了定制的 G-Eval [12] 标准,涵盖隐瞒、突转、悬念、一致性、连贯性和流畅性。我们用盲测人类偏好判断和将生成的剧本与专业侦探剧本进行比较的转折点分析来补充这种自动评估。我们还进行了一项定性案例研究,比较由 CORE 和零样本基线从同一案例生成的剧本,以检查调查证据是如何发展并与最终解决方案连接的。

我们的贡献总结如下:
•我们引入了一种基于证据的候选集控制机制,用于调查叙事生成。RCM 构建局部化的成对推理单元,而 IIM 使用证词 - 法医对齐分数(TFAS)评估嫌疑人证词与法医证据,整合累积的跨单元历史,并应用明确的阶段自适应转换、重试、过滤和终止规则。该机制逐步更新并缩小活跃候选集,并从最初相互竞争的可疑嫌疑人假设中推导出单一解决方案。
•我们通过保留完整的调查历史,包括被排除的候选人、他们的反驳和重新导向的查询线,将解决方案推导直接连接到叙事构建。OCM 将此产生解决方案的推理轨迹整合为按时间顺序排列的场景级计划,NRM 在不改变潜在解决方案的情况下实现它。因此,叙事大纲并不决定解决方案,而是叙事性地组织了解决方案是如何推导出来的过程。
•我们在专有和开源 LLM 上针对零样本、顺序、基于大纲、记忆增强和多智能体基线进行了全面评估。CORE 在主要实验中获得了最高的平均 G-Eval 分数,在所有测试的模型上一致改进了零样本基线,并在盲测人类偏好评估中显示出在隐瞒和突转方面的优势。细粒度的消融研究指出成对分解和历史记忆是最大的贡献因素,转折点分析显示 CORE 更好地维持了调查进展,详细的案例研究追溯了累积的 IIM 记录如何支持最终剧本中的凶手识别。

章节片段
自动叙事生成
自动叙事生成的早期工作可追溯至符号规划 [13], [14], [15], [16], [17], [18],该工作将讲故事概念化为对手动定义的叙事约束进行逻辑推理的过程。然而,这些方法在生成既丰富又流畅的自然语言文本方面能力有限。此外,显式建模复杂的常识知识和人类互动既困难又耗时,导致有限

提出的方法
CORE(通过迭代推理评估进行收敛式大纲构建)被设计为一种模块化推理 - 生成管道,通过逐步过滤活跃候选集并将生成的调查记录组织成连贯的叙事大纲,将非结构化案例描述转换为结构化调查叙事。CORE 的总输入是原始案例描述(O),其中仅包含事件、受害者、犯罪现场的非结构化文本描述,

实验
我们实验的目标是评估我们在生成符合“谁是凶手”流派结构预期的侦探剧本方面的系统有效性。首先,我们检查由我们系统生成的剧本是否成功地保留了与人工编写的侦探剧本相当程度的基本叙事元素。其次,我们评估与现有的基于 LLM 的生成方法相比,我们的系统是否生成了更好的叙事。

结论
在本研究中,我们引入了 CORE,一个为长篇侦探剧本生成设计的模块化推理 - 生成框架。该框架将叙事构建分解为结构化阶段,包括线索提取、场景规划和剧本写作,并集成迭代候选集控制以指导基于证据的推理。通过过滤与已排除嫌疑人相关的推理单元,该机制减少了冗余探索并稳定了推理轨迹

局限性
尽管我们的系统在生成侦探剧本方面表现出强大性能,但仍存在两个主要局限性。
首先,本研究生成和评估的剧本主要局限于当代背景,例如现代法医调查或城市犯罪现场。这种关注可能限制了我们方法对特定时期或文化上不同的侦探叙事的适用性,这些叙事需要领域适应或历史依据。扩展我们的系统以适应各种

CRediT 作者贡献声明
Seungho Lee:写作 – 原稿,软件,资源,方法论,数据整理,概念化。Hyeongrae Kim:写作 – 原稿,可视化,软件,方法论,数据整理,概念化。Sujin Kang:写作 – 原稿,验证,资源,方法论,数据整理。Heejin Kim:写作 – 原稿,可视化,资源,数据整理,概念化。Dongsuk Oh:写作 – 原稿,监督,项目管理,方法论,

伦理声明
将大语言模型用于侦探剧本生成引发了伦理担忧,包括延续刻板印象和偏见、模糊虚构与现实界限以及处理暴力或创伤等敏感内容的风险。此外,依赖闭源 LLM 限制了透明度和问责制。因此,必须认识到这些担忧,并谨慎地对待此类叙事的生成和使用。

未引用参考文献
[64], [65], [66]

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系,这些可能影响本文报告的工作。

Seungho Lee|Hyeongrae Kim|Sujin Kang|Heejin Kim|Dongsuk Oh
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号