可解释性arXiv 2609.30326·9月24日Qwen3.5-0.8B 关停响应的受控梯度激活引导：一种最小步数策略提出有守卫最小步激活引导，只在关机语境把继续偏好转向接受关机arXiv2609.30326发表9月24日层模型层场景模型与 API被测模型Qwen3.5-0.8B防御推理时干预风险失准与价值偏离组件监控器深度解读完整解读