潜在相位偏移回滚：基于残差流监控与 KV 缓存引导的推理时纠错

大型语言模型常在生成中途犯下不可逆的推理错误。本文提出潜在相位偏移回滚（LPSR）方法，在每一步生成时监控关键层的残差流，利用余弦相似度与熵的双重门控检测突变的方向反转（相位偏移），并通过回滚 KV 缓存及注入预计算引导向量进行响应。该方法无需微调或额外前向传播。实验显示，LPSR 在 MATH-500 上显著优于标准自回归、提示自我修正及最佳采样策略，证明了最优监控深度在检测与纠正任务中存在分离现象。