EventPrune：用于高效第一人称动态空间推理的级联事件辅助令牌剪枝

第一人称动态空间推理要求模型追踪连续运动并理解精确几何结构，但基于 Transformer 的视频大语言模型因注意力机制的计算复杂度而面临高昂成本。现有令牌剪枝方法多依赖离散静态快照，难以保留推理所需的关键运动与几何线索。本文提出事件级联剪枝（ECP），这是首个无需训练的框架，利用事件相机的高频运动线索作为连续引导先验来指导令牌选择。ECP 包含三个阶段：事件触发因果采样、事件引导运动显著性过滤及事件注意力排名融合。实验表明，在减少 80% 视觉令牌的情况下，ECP 不仅提升了推理速度并降低了计算量，还在新构建的真实世界基准 ESR-Real 上超越了全令牌基线。