面向主权企业语言模型的本体放大蒸馏与语境性审计：机制证明与阴性结果方法的组合研究

受数据驻留规则约束的受监管金融机构需要能在机构边界内运行的租户自有语言模型。本文把两项相关的FAOS研究合并为一篇机制与控制文章。第一，报告一项降功率的机制证明研究——本体放大蒸馏：Qwen3.6-27B学生经前沿教师轨迹的监督微调与本体落地的直接偏好优化（DPO）适配到Foundation AgenticOS本体，在单台Apple M5 Max上从47个合成的英语跨领域偏好对本地训练。在40个留出的越南语金融域任务上：蒸馏学生在40个任务中36个落地（落地率0.90；平均本体术语覆盖率r_onto=0.95，指标下限0.50），与同样落地36/40的GPT-5前沿基线持平。该结果不足以确立等价性：配对差值的95%置信区间跨±4个任务，且该运行未检验也未显示预注册的放大预测——学生应超越前沿。第二，本文整合面向企业智能体路由的语境性审计方法。在一项单独的阴性结果试点中：本地Qwen运行与显式标记的Gemma复现检查中，校正的规范Contextuality-by-Default度在Phase 1.3所有组均为零；有用信号是直接影响与构念耦合，而非存活的残余语境性。两项研究把本体落地的模型构建机制与治理诊断配对——用于决定何时表观分歧应触发提示标准化、多智能体综合或人工评审。证据不支持可部署性、安全性、优越性、统计等价或语境性正向路由规则。