RFEval：大推理模型反事实推理干预下的推理忠实性基准

大型推理模型（LRM）表现强劲，但常产出听起来合理却不反映真实决策过程的理由，损害可靠性与信任。我们提出推理忠实性的形式框架，由两个可检验条件定义：立场一致性（连接推理与答案的连贯立场）和因果影响（在输出级干预下所述推理因果地驱动答案），并显式与准确率解耦。为落地该框架，我们提出 RFEval，一个跨七任务、含 7,186 个实例的基准，通过受控的输出级反事实干预探测忠实性。评估十二个开源 LRM 后，我们发现 49.7% 的输出不忠实，主要源于立场不一致。失败集中在数学和代码等脆弱的收敛性领域，且与训练后范式的关系大于与规模的关系：家族内消融表明，在监督微调之上加当前 RL 式目标会降低推理忠实性，即使准确率保持。关键的是，准确率既非忠实性的充分代理也非可靠代理：控制模型与任务后，准确率与忠实性的关联微弱且统计不显著。本工作建立了审计 LRM 可靠性的严格方法学，并表明可信赖的 AI 不仅须优化正确结果，还须优化推理过程的结构完整性。代码与数据集见项目页：https://aidaslab.github.io/RFEval/。