Deposon：推理路径上可审计、保证守恒的散射层

多步骤 LLM 推理缺乏机器可重新检查的分类账：丢弃的推理路径不会留下可审计的记录。我们提出了 Deposon 散射层，它将 LLM 生成的概念分解图的每个节点绑定到一个二参数 Deposon 状态；路径经历三通道散射——传输、反射、不可逆耗散——任意参数遵循 T+R+A=1，每路径最大能量审计偏差为 2.2E-16（机器 epsilon）。我们诚实地报告所有三个证据层。在合成陷阱基准中，路径过滤增益已关闭（预注册）：统一达到 100%，而诱饵捕获基线为 7%/10%。在实际基准中，该层与简单的六关键字规则过滤器没有什么区别（GSM8K 0.87 >= 0.85，McNemar p=0.5；StrategyQA 0.899 = 0.899）；这里没有检测到差异，因此我们将其声明强化为“差异值仅在于机器可验证性”。融合产生第二个负面结果：具有语义先验的凸组合永远不会改善（物理 0.484 -> 0.452），并且明显的 lambda=2 增益是反场伪影；任何融合增益都必须是非线性的。将反向动态建模为图上的潜在游戏，我们证明了可审计标量的单调性和近梯度性，并量化了经验协调比（ECR）。三个形式化的动态等价命题（P1a/P1b/T-P1c）在预先注册的杀戮协议下被证伪，潜在博弈声明被降级为近似值（循环图中值残差 0.669）：只有一致性级别的证据在动态级别上存活。代码：这个 http URL 。