결정론적 KV-cache 제거 (Deterministic KV-cache eviction) 방식은 중요도 점수(importance score)를 기준으로 상위 $k$개의 토큰을 유지하고 나머지는 삭제합니다. 우리는 이러한 설계가 자신이 무엇을 파괴했는지 알 수 없음을 증명합니다. 즉, 제거된 값들을 수정하여 서빙 시스템이 유지하는 모든 것이 변하지 않으면서도 실제 어텐션 출력 오류 (attention-output error)는 임의로 커지도록 만들 수 있으므로, 해당 오류에 대한 서빙 시간 추정치 (serving-time estimator)는 일관성을 가질 수 없습니다. 무작위 제거 (Randomized eviction)는 식별 가능성 (identifiability)을 회복합니다. 알려진 포함 확률 (inclusion probabilities)을 가진 포아송 샘플링된 꼬리 (Poisson-sampled tail)를 사용하면, 하나의 로짓 오프셋 (logit offset)이 소프트맥스 (softmax) 내부에서 하젭 교정 (Hájek correction)을 수행하며, 유지된 집합에 대한 조사 샘플링 분산 추정치 (survey-sampling variance estimator)는 정확도 손실 없이 0.97의 경험적 커버리지 (empirical coverage)를 가진 단계별 오류 인증 (per-step error certificate)이 됩니다. 실제 워크로드에서 우리는 7가지 주장을 사전 등록했으며 그중 3가지는 실패했습니다: 2550% 예산에서의 질문 인식 제거 (question-aware eviction)는 비용이 거의 들지 않으며; 출력 로그 확률 (output log-probability)이 인증서보다 실패를 더 잘 예측하고; 인증서 기반의 예산 증액 (certificate-gated budget escalation)은 아무런 효과가 없었습니다. 살아남은 것은 귀속 (attribution)입니다: 인증서는 캐시로 인한 실패와 고유한 실패를 분리하며 (출력 신뢰도(output confidence)의 AUC가 0.470.54인 것에 비해 AUC 0.73~0.75를 기록), 무작위 방식이나 신뢰도 게이팅 (confidence gating)보다 재계산 (recomputation) 일정을 더 잘 조정합니다. 무작위화는 예측이 아닌 귀속을 얻기 위한 것입니다.