迷失于噪声：推理模型如何败于上下文干扰

推理模型与agentic AI系统的最新进展使模型日益依赖多样化的外部信息。然而，这种转变引入了天然含噪的输入上下文，而当前“净化”的基准无法反映这一现实。我们提出NoisyBench，一个综合基准，系统评估模型在RAG、推理、对齐与工具使用任务的11个数据集上，面对随机文档、无关聊天历史与困难负例干扰等多样噪声类型时的鲁棒性。我们的评测揭示，面对上下文干扰时，最先进模型的性能出现高达80%的灾难性下降。关键的是，我们发现agentic工作流常因过度信任带噪工具输出而放大这些错误，且干扰项即使在没有对抗意图的情况下也能触发涌现性错位（emergent misalignment）。我们发现提示工程、上下文工程、SFT与仅用结果奖励的RL都无法保证鲁棒性；相比之下，我们提出的Rationale-Aware Reward（RARE）通过激励模型在噪声中识别有用信息，显著增强了韧性。最后，我们发现一条逆向缩放趋势：测试时计算越多，含噪环境下的性能越差；并通过注意力可视化证明模型不成比例地聚焦于干扰token，为构建下一代鲁棒、具备推理能力的代理提供了重要洞见。