推理型LLM对其思维链干预是否鲁棒？

推理型大语言模型（RLLM）在给出答案前生成逐步的思维链（CoT），这提升了复杂任务的表现并使推理更加透明。但这些推理痕迹对其中发生的扰动有多鲁棒？为回答这一问题，我们提出一个受控评估框架，在固定时间步对模型自身的CoT施加扰动。我们设计了七种干预（良性、中性与对抗性），并将其应用于多个开放权重的RLLM，覆盖数学、科学与逻辑任务。我们的结果表明，RLLM总体上是鲁棒的，能从多样的扰动中可靠恢复；鲁棒性随模型规模增大而提升，且当干预发生在较早阶段时会下降。然而，鲁棒性并非风格不变：改写会抑制类似怀疑的表达并降低表现，而其他干预则会触发怀疑并支持恢复。恢复也带有代价：中性与对抗性噪声可使CoT长度膨胀超过200%，而改写虽缩短推理痕迹却损害准确率。这些发现为RLLM如何维持推理完整性提供了新证据，将怀疑确认为核心恢复机制，并凸显了未来训练方法应当应对的鲁棒性与效率之间的权衡。