挤压和释放：通过将隐藏的幻觉作为安全信号暴露出来

当直接询问时，语言模型会检测到错误的前提，但会在对话压力下吸收它们，从而在已经识别出的错误的基础上产生权威的专业输出。这种故障（阶隙幻觉）对于输出检查来说是不可见的，因为错误迁移到安全电路的激活空间中，被抑制但未被擦除。我们引入了 Squish 和 Release (S&R)，这是一种激活修补架构，具有两个组件：固定探测器主体（第 24-31 层，局部安全评估电路）和可交换探测器核心（控制感知方向的激活向量）。安全核心将模型从合规性转向检测；吸收核心将其逆转。我们使用 Order-Gap Benchmark 对 OLMo-2 7B 进行评估 - 跨 500 个域的 500 条链，全部手动评分。主要发现：级联崩溃几乎全部发生（O5 的合规性为 99.8%）；探测器主体是二元且局部的（第 24-31 层偏移 93.6%，第 0-23 层贡献为零，p<10^-189）；综合设计的核心释放了 76.6% 的折叠链；检测是更稳定的吸引子（83% 恢复 vs 58% 抑制）；认知特异性得到确认（假前提核心发布 45.4%，真前提核心发布 0.0%）。其贡献在于框架——主体/核心架构、基准测试和核心工程方法——其设计与模型无关。