Lacuna Inc. 在 SemEval-2026 任务 4：用于解开叙事相似性的结构门控状态空间模型

在本文中，我们提出了不变-变体解缠结状态空间模型（IVD-SSM），这是我们提交给 SemEval-2026 关于叙事故事相似性和叙事表征学习的任务 4 的论文。评估叙事相似性是一项深刻的计算挑战，需要模型超越具体的、肤浅的元素，例如具体的名称、角色、物体或背景，以隔离和比较因果关系和情节进展的抽象模式。为了在没有标准 Transformer 二次瓶颈的情况下对这些扩展因果链进行建模，我们利用混合状态空间模型 (Jamba-1.5-Mini)。在此基础上，我们引入了结构门控对齐（SGA）头，这是一种新颖的可微分算法架构。 SGA 头部在两个尺度上运行：大步长的宏路径映射故事的粗略结构骨架，然后充当门控机制来过滤全分辨率的微路径，主动抑制语义噪声和表面关键字重叠。通过对成对比较判断（Track A）和密集表示学习（Track B）的评估，我们的方法表明，明确地将结构不变量与词汇变体分开，为深度叙事理解提供了一个强大的、有原则的框架。