Université de Technologie de Compiègne

LLM驱动的互动叙事系统长期难以横向比较，因为每个体验管理器都绑定在自己的专属剧情上。一个基于LLM的叙事平台把体验管理器做成可互换模块，共享由事实、操作和目标构成的符号世界模型，每次实际执行的操作都带有显式前置条件与效果，因此任意一次会话都能还原为统一的状态转移路径。在《小红帽》场景上，开放生成、蒙特卡洛修复和自主角色三种管理器各跑100次模拟会话，结果显示没有一种管理器在玩家能动性、管理器可控性、作者意图和鲁棒性四项属性上全面占优。

LLM驱动的互动叙事系统长期难以横向比较，因为每个体验管理器都绑定在自己的专属剧情上。一个基于LLM的叙事平台把体验管理器做成可互换模块，共享由事实、操作和目标构成的符号世界模型，每次实际执行的操作都带有显式前置条件与效果，因此任意一次会话都能还原为统一的状态转移路径。在《小红帽》场景上，开放生成、蒙特卡洛修复和自主角色三种管理器各跑100次模拟会话，结果显示没有一种管理器在玩家能动性、管理器可控性、作者意图和鲁棒性四项属性上全面占优。

该工作将现代二值神经网络（BNN）适配到事件相机数据，提出极坐标二值事件体（PBEV）二值表示并把网络首层也二值化，在N-Caltech101与N-ImageNet-mini分类基准上结合知识蒸馏与RGB跨模态预训练，使BNN达到或超过全精度ResNet-18，最佳结果90.58%且运算量更少。

该工作将现代二值神经网络（BNN）适配到事件相机数据，提出极坐标二值事件体（PBEV）二值表示并把网络首层也二值化，在N-Caltech101与N-ImageNet-mini分类基准上结合知识蒸馏与RGB跨模态预训练，使BNN达到或超过全精度ResNet-18，最佳结果90.58%且运算量更少。