大型语言模型在基本算术中表现出矛盾的脆弱性，暗示其内部计算与离散输出之间存在脱节。通过分析多操作数加法过程中的残差流几何结构，我们识别出“等原始和轨迹”（Iso-Raw-Sum Trajectory, IRST），这是一种几何结构，其中表征由语义数字锚定并由连续进位纤维调制。我们提出噪声量化模型来解释这一几何结构，将算术错误归因于几何滑动——由内部神经噪声推动连续的潜在进位势穿过量化阈值所致。这一几何框架进一步阐明了探针的通用性，解释了轻量级探针如何从单一激活向量中分离出共存的潜在信号（如真实值与幻觉）。最后，我们通过一种几何一致性检查方法验证了这些见解，该方法可在推理过程中有效检测并纠正这些量化失败。我们的代码见 https://github.com/RL-MIND/Shape-of-Addition。