话安全事致命：在隐状态风险空间中探查文本越狱之外的物理越狱

大语言模型（LLM）日益充当具身智能体的高层规划者——语言上无害的指令一旦落地到物理世界就可能不安全。我们研究这种物理落地越狱是否与普通文本越狱是同一个安全问题。经隐状态方向分析与随机划分零检验：我们显示文本越狱（TJ）与物理越狱（PJ）在LLM表示中构成可分信号——跨Qwen2.5-3B/7B/14B/32B、Phi-3.5与SmolLM2。基于这种可分性，我们提出PRISM：一个在完整隐状态上的单层L2正则逻辑探针。PRISM在SafeAgentBench上取得86.2–87.7%准确率、11.7–13.7%假正率（FPR），而同规模LLM裁判以24.7–39.0%的FPR过度阻断安全任务。为检验结果经词汇捷径对照后是否存活，我们引入PhysicalJailbreakBench-2K的交互平衡修订版：一个固定2,000行的对照集——按标签与物理机制从更大的物体—场所构造中采样。在底层1万行池上：词TF-IDF与嵌入层保持随机（AUC 0.497与0.500）。在经独立同分布扫描选出的第25层：单元分组交叉验证给PRISM 0.718 AUC，对比同协议下无物理标签对照的0.398。在相同的2,000对照行上：这些PRISM预测取得0.671平衡准确率，而3B到72B的Qwen2.5裁判取得0.538–0.577且FPR高。结果支持隐状态探针作为超越文本审核的物理安全表示级方法——不依赖捷径易发的配对模板的近满分。