coherence

MovieGrid是一种多网格后训练范式，它将长视频分解为空间排列的块，以提高多镜头的连贯性和效率，在视频生成中实现了最先进的镜头内和镜头间一致性。

本文解释了类型类系统中一致性的概念，并讨论了编程语言中的孤儿实例规则，以Haskell和Rust为例。

本文提出了一个统一基准，用于比较基于大纲的大型语言模型长文本生成框架，独立评估大纲，发现性能随框架与粒度匹配度变化，支持将大纲与写作阶段解耦。

作者分享了他们在AI生成视频序列方面的经验，强调了在镜头间保持视觉一致性的挑战，以及AI片段与电影级序列之间差距的缩小。

这篇arXiv论文介绍了梦境场景可视化器（DSV），该系统利用LLM进行叙事拆分，并结合带反馈的文本到图像模型，将书面梦境描述转换为连贯的四面板视觉序列，以确保视觉和语义连贯性。

Google Genie 3 允许用户输入提示词并在 AI 生成的游戏世界中行走，引发了关于程序一致性是否重要，还是仅凭令人印象深刻的视觉效果就足以吸引玩家的争论。

本文提出了一种用于评估大型语言模型（LLM）响应的多因素评分系统，综合了准确性、简洁性、事实一致性、可读性和连贯性。应用于TruthfulQA数据集，揭示了主流模型的优势与局限，提供了一个透明的评估框架。

UnityShots 是一个基于记忆的多镜头音视频生成系统，通过固定大小的长期记忆槽和短期记忆槽，结合边界条件门控与离散切类型先验，在视频切换中保持主体外观和音频的一致性。该系统在跨镜头一致性指标上优于开源基线，并达到与闭源系统相当的水平。

本文介绍了一致性（coherence）这一几何约束，受大脑中网格细胞和头朝向细胞的启发。一致性确保特征响应数据流形上的几何连通区域，从而提升可解释性；作者提出了一个可微分的目标函数（Coh），并在合成数据、旋转MNIST和BERT词元嵌入上进行了验证。

本文探讨如何利用大语言模型（LLM）在基于规则的交互式叙事系统中预测状态变化，旨在提升叙事连贯性与玩家表现力。使用 Llama 3 70B 和 Gemini 1.5 Flash 进行的实验表明，世界状态转换既能维持一致性，又能鼓励玩家进行创造性输入。

本文识别出KV缓存污染是对话中激活引导的一种失败模式，并提出了GCAD方法，该方法从提示贡献中提取引导信号，并应用词元级门控来改进长程连贯性，在多轮基准上取得了显著提升。

开发者报告称，像 qwen3.6-35b-A3b 这种“活跃参数量”较小的 MOE 模型，相比稠密的 qwen3.5-27b，一致性更低、需要更多引导，很难直接塞进智能体工作流。