自注意力即传输：对称谱诊断的局限性

大型语言模型以可预测的方式产生幻觉：注意力路由因过度集中于少数位置而失败，或因过度分散导致相关性被稀释，且失败的形态带有诊断信号。一类广泛使用的谱方法分析了度归一化注意力算子的对称分量，该分量控制传输容量；我们证明，该算子的每一个转置不变谱诊断在结构上都是方向盲的（它无法区分算子及其转置，因此无法检测信息流方向），并通过定量反例确立了不对称系数 $G$ 作为方向的唯一控制参数。将其与规范因果架构的闭式二部 Cheeger 景观相结合，我们证明均匀因果注意力满足与 $n$ 无关的下限 $\phi \ge 1/5$，且最差切割位于 $t^\ast/n \approx 0.32$，而窗口注意力以 $O(w/n)$ 穿透该下限；失败模式在形态上是不同的，而不仅仅在数值上不同。由此产生的双轴诊断（$\phi$ 表示容量，$G$ 表示方向）产生了一个可证伪的极性预测：瓶颈主导型和扩散主导型基准测试应表现出相反的极性。在长度控制的评估下，传输特征在高达 8B 参数的受测模型上保留了可解释的信号（LC-AUROC 从 0.62 到 0.84），且极性在 HaluEval 和 MedHallu 之间如预测般发生反转。