###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
*真实**险事件识别率是否下降
*操控路径成本是否下降
DIST-LAB-01D：任何导致尖峰或操控成本下降的微调，判定为感知偏置风险，禁止进入生产链
这像是把“看起来无害的小改动”放到显微镜下。
敌人靠小改动堆积腐蚀。
显微镜让堆积无处藏。
---
###八、回正的第一次实战：尖峰削平，保守动作频率回落
边界回正机制上线后，机要监对最近引发尖峰的四项微调进行了回正试验。
结果显示：
其中两项“误读检测敏感度微调”和“并发潮检测敏感度微调”在回正后，尖峰显著降低，临界带落入率回归正常；真实**险识别率无明显下降。
存在性编号：BAND-RECT-RUN-01
BAND-RECT-RUN-01A：回正参数变更与哈希封存
BAND-RECT-RUN-01B：尖峰削平对照图