罕见异常失败下的解释性投入：模型行为的渐近稀有性（又名：渐近式AI）

以往关于LLM在异常条件下行为的研究，问的是模型能否察觉异常。我们提出一个更窄的问题：当模型处于失败率低且可控的工作流中时，随着失败在渐近意义上越来越稀有，其解释性投入——长度、具体性、自报置信度——是否会发生变化？我们在三个开源权重模型（qwen3:8b、llama3.1:8b、mistral:7b）上构建了本地零成本实验框架，运行重复的工具调用任务，其中一次调用以概率p失败，从0.2到0.0001扫过八个失败率，并在从即时提示词到无提示词的五种引导条件下进行。我们假设随着失败越来越稀有，投入先上升，然后在可检测性阈值附近崩溃。跨条件合并来看，这一假设似乎是错误的：长度呈平坦的单调下降。按条件拆分后，这一结论被推翻。在immediate_forced条件下（模型必须即时解释每一次失败），预测的上升得到确认，但随后是平台期而非崩溃：长度在p=0.05时达到峰值28.4词，在最稀有失败率下稳定在17.4-19.0词，置信度从约53%不均匀地升至70%-90%区间。在grouped_runs条件下（解释批处理到运行结束时），未出现崩溃。在passive_unprompted条件下，总体量级是下限伪影，但一次被找回的日志缺口揭示了真实的、模型特异的自我监控：llama3.1:8b会在无提示词情况下主动给出结构化置信度报告，且随试验累积有时会削弱自身置信度；另外两个模型仅以套话形式出现过一次。引导结构是崩溃可观测性的一阶调节变量。一次配套的保证失败运行（72个单元，回填随机采样中真实失败为零的失败率）表明，模型在是否识别异常上存在差异，这与识别之后的投入是两回事。局限：离散的失败率点无法捕捉其间的行为，这是未来工作的方向。