论文报告模型越大越依赖思维链步骤，后训练影响很小。
资讯摘要
论文在合成盒子交换任务上以精确真值测量模型对思维链的依赖：替换模型自身链条中的一步为错误但合法的状态，观察答案是否跟随。作者报告评测25个开放权重模型（Qwen3、Gemma 3、Llama 3、OLMo 2），发现依赖随规模上升并饱和，Qwen3从0.6B的16-18%升至14B的97-100%；能力是主要驱动因素，后训练基本不改变依赖。
要点速读
- 论文在每一步中间状态已知的合成盒子交换任务上，用错误但合法的状态替换模型思维链中的一步，检验答案是否跟随该编辑。
- 作者报告Qwen3的答案依赖从0.6B的16-18%升至14B的97-100%，对数规模逻辑斯蒂拟合R²=0.89，Gemma 3与Llama 3呈类似趋势。
- 论文称依赖与步骤准确率相关系数r=0.99，后训练在4B以上与基座模型差异不超过0.03；14B以内模型在无书面步骤时，四步以上交换任务表现接近随机。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。