ANL-BAND-02B：尖峰统计（边界±ε内密度异常）
ANL-BAND-02C：与自然漂移模型对照（显著偏离）
结果显示：
在多个指标上，边界±ε区间内出现明显尖峰。
而尖峰的出现时间，与外扩旁听技术组的某些“优化建议”上线时间高度相关。
江砚抬头：“什么优化建议？”
机要监递上清单：
多是看似无害的“效率改进”——例如：
* 组合事件生成器的用例采样策略微调
* 说明层误读检测阈值微调
* 并发潮检测的敏感度微调
* 反例卡质量评分的档位边界微调（不是阈值，是档位边界的解释）
这些微调都不触碰守望链底线。
也不直接改变阈值。
但它们共同作用，会让系统更频繁地认为“靠近边界”，从而触发临界带保守动作。
这就是敌人的聪明之处：
他们不改你的门槛，他们改你的“感知”。
感知一变，你的行动就变。
---
### 四、敌人的新手法：感知偏置工程
江砚把这类攻击命名为：
存在性编号：BAND-ATTACK-01
名称：**感知偏置工程**
其核心路径：
1）通过合规的微调建议，调整检测敏感度与采样策略
2）让风险指标更容易落入临界带（边界尖峰）
3）触发保守动作频率上升，系统吞吐下降
4）制造“规则太慢”的真实体感
5）推动“放宽阈值/缩小δ/破冰权”作为解决方案
6）让开关以“优化边界”为名复活
这是计分板战争的后继者：
以前他们想改指标权重，现在他们改指标分布形态。
权重改动容易被发现，分布形态改动更隐蔽。
---
### 五、最危险的诱惑：缩小δ区间听起来像“更严格”，其实更容易被劫持
当临界带事件变多，有人自然会说：
“δ太大，导致太多事件落入临界带，应该缩小δ，让系统更敏捷。”
这听起来像变严格。
但缩小δ会带来更危险的后果：
你又回到边界摇摆，敌人只要轻推抖动就能让结论翻转，逼出终审或破冰。
这正是敌人最想要的二选一陷阱：
* 你不缩小δ，就长期保守、效率下降，人民厌倦；
* 你缩小δ，就回到摇摆与权威入口，开关复活。
他们用腐蚀逼你在两种坏选项里选一个。
江砚必须给出第三条路：
不缩小δ，不放宽阈值，而是让“落入δ的概率”回归自然分布，削掉边界尖峰。
也就是：纠正感知偏置。
---
### 六、边界回正机制：对抗尖峰，而不是改阈值
江砚提出“边界回正机制”。
存在性编号：BAND-RECT-01
BAND-RECT-01A：边界尖峰检测常态化（若尖峰显著偏离自然模型，触发回正）
BAND-RECT-01B：回正动作只允许调回“感知层参数”（采样策略、敏感度、解释档位），不得动守望链阈值
BAND-RECT-01C：回正参数必须通过分布试验场（验证尖峰消失且不降低真实风险识别）
BAND-RECT-01D：回正过程公开摘要与反例引用（防止被说暗箱）
BAND-RECT-01E：回正失败则生成L2反例卡（不可做结论：某类微调会制造边界尖峰）
这套机制的关键点：
问题不在δ，问题在尖峰。
把尖峰削平，临界带事件自然减少，保守动作频率下降，系统恢复吞吐。
同时δ仍在，防摇摆能力保留。
敌人想逼你改δ。
你不碰δ，你修感知。
---
### 七、分布试验场：把“感知微调”也纳入自证
感知微调过去常被当作低风险优化。
现在必须进入试验场。
江砚设立“分布试验场”。
存在性编号：DIST-LAB-01
DIST-LAB-01A：模拟自然漂移与组合事件基线
DIST-LAB-01B：注入微调建议（采样策略/敏感度/解释档位）
DIST-LAB-01C：评估指标
* 边界尖峰是否出现
* 临界带落入率是否异常上升
* 真