Lacuna Inc.은 내러티브 스토리 유사성 및 내러티브 표현 학습에 대한 SemEval-2026 Task 4 제출물로 불변-변이 분리형 상태 공간 모델(IVD-SSM)을 제시합니다. 이 모델은 표준 Transformer의 이차적 병목 현상 없이 확장된 인과 체인을 모델링하기 위해 하이브리드 상태 공간 모델 백본인 Jamba-1.5-Mini를 활용합니다. 거시적 경로(Macro-path)를 통해 거친 구조적 골격을 매핑하고 풀 해상도 미시적 경로(Micro-path)에 게이트를 적용하여 의미적 노이즈와 표면적인 키워드 중복을 억제하는 구조적 정렬(SGA) 헤드를 도입했습니다. 쌍별 비교 판단(Track A)과 밀집 표현 학습(Track B)에서 평가되었으며, 이 접근 방식은 구조적 불변량과 어휘적 변이를 분리하는 것이 깊은 내러티브 이해를 위한 견고한 프레임워크를 제공함을 보여줍니다.