在内容创作实验室，我们把「长文写作」拆成可验证的环节：事实主张抽取、段落级溯源、以及不一致处的定向改写。近期实验聚焦第一环与第三环的衔接。
做法上，模型先按段落抽出可核查的事实主张（人物、时间、数值、因果），为每条主张打上来源锚点；再由检索模块回查原文与引用材料，标记「有据/无据/表述漂移」三类状态；最后仅对漂移与无据段落触发局部重写，其余行文保持不动，避免整篇重生成带来的风格断裂。
阶段性进展：
- 在 120 篇中长文测试集上，人工复核显示事实性硬错误下降约 40%，其中数值与时间类错误占比最高，是当前收益的主要来源；
- 代价是单篇平均模型调用次数增加约 1.6 倍，长文首段与末段的一致性仍不稳定。
下一步计划：引入跨段落主张去重与冲突聚类，把重复核查合并为一次判定，并尝试用更小的模型承担段落级判别，将成本压回可接受区间。同时整理一套开源评测脚本，供内部与外部横向对比。
评论