行走于DARKSIDE

大语言模型（LLM）能识别模式，但不原生追踪连贯话语所要求的排除路径。当输入建立在伪造的权威、误用的机制或偷换的类比之上时，未经引导的LLM倾向于把它当作有根据的内容来对待，并把错误步骤固化到其生成的任何结构化输出中。逻辑增强生成（LAG）方法POLANYI++——一种使用启发式、本体和问题求解方法进行默会知识提取的LLM引导方法——会生成OWL2格式的扩展知识图谱（XKG），但继承了同样的脆弱性：一个精心包装的无意义输入会与合法三元组一起被固化进图中，且几乎无法被自动推理器检测，因为XKG是与错误假设共同生成的。我们在POLANYI++之上引入DARKSIDE，一种连贯性审计方法。它将该轨迹形式化为话语时间上累积排除的显式数据结构，辅以一个保证轴（warrant axis），将每个命名指涉物分类为已保证（Warranted）、未证实（Unattested）、错误归属（Misattributed）或伪造（Fabricated），并设升级规则：当伪造率大于零或不支持率超过阈值时，将DelegationRiskAssessment推至UNSAFE。我们在BSBench上评估DARKSIDE作为Gemini 3之上的引导层，BSBench是横跨软件工程、金融、医疗、物理和法律、含100条“听起来高深的无稽之谈”的对抗语料，并以Claude Sonnet 4.6作为独立裁判。实证证据支持一个架构性主张：当LLM前向传播被包裹在以本体为中介的负轨迹装置中时，结构性的模式-路径差距可以被部分脚手架化。XKG充当缺失的记忆，保证轴则充当认知防火墙。