FactTrack：故事大纲中的时间感知世界状态跟踪

基于摘要分析。研究针对语言模型生成内容中的事实矛盾，提出 FactTrack，以原子事实及其时间有效区间维护世界状态，并在结构化故事大纲上评估矛盾检测。其核心贡献是允许事实随时间改变，而非将不同时刻的状态差异直接视为矛盾。 方法对每个新事件执行四步更新：将事件分解为具有方向性的原子事实；依据当前世界状态确定各事实的有效区间；检测它们与已有事实的矛盾；加入新事实并更新已有原子事实。摘要未说明方向性事实的具体表示、时间区间的推定规则，以及矛盾判定与状态更新的实现细节，尚不能据此还原完整算法。 在结构化故事大纲的矛盾检测任务中，作者报告，使用 LLaMA2-7B-Chat 的 FactTrack 明显优于同样使用 LLaMA2-7B-Chat、被作者描述为公平对照的基线，且表现与 GPT4 基线相当；使用 GPT4 时，作者报告 FactTrack 显著优于 GPT4 基线。摘要未提供数据集名称、划分、评价指标、具体分数或显著性检验细节，实验协议、消融及统计信息尚未验证。 本文主要研究对象是文本叙事中的事实一致性，不是 EEG/BCI 解码，也不能因来源栏目包含 State space models 就将其视为神经信号状态空间模型。现有材料未建立该事实表示与神经信号建模之间的具体机制对应，因此不据此推断 BCI 有效性或提出迁移实验；相关 EEG 工作尚未检索确认。