我们提出 SafeRoute-MAS，一种覆盖感知、风险校准的过程，仅凭预集成信息即可保留所有专家消息或删除单个消息。\n\n在 5,328 个委员会的封闭缓存上，源兼容操作点提升 +1.80 百分点（95% CI [+1.13, +2.52]），同时削减 12.76% 的消息标记。\n\n在公开的 gpt-oss-120b 接口上，对分层抽样的 458 个委员会进行 4,580 次受控集成。样本估计为 -0.09 点；对原工作负载进行设计加权后得到 +0.94 点（95% CI [-1.31, +3.50]），并实现 18.72% 的输入标记削减。\n\n加权的标记匹配比较同样未显示选择器优势（+1.68 点，CI [-1.27, +5.10]）。\n\n在 88 个缓存的非中性标签中，仅 13 个（14.8%）在重复调用多数决后保持方向。加权后预期腐败上限为 4.60%，但仅有 11 个预设边际中的 2 个通过支持/风险规则。\n\n因此我们提出一种数值资格判定并采用保留全部的回退策略，本文在事后进行评估，未进行前瞻验证。\n\n点评：该方法在保持信息完整性的同时显著削减了输入量，但在统计显著性和风险控制方面仍有提升空间。