长形式幻觉检测的健全性检查

大语言模型 的幻觉检测方法越来越多地基于思维链推理痕迹进行操作，但仍不清楚它们是评估推理本身还是仅仅利用最终答案的表面关联。我们引入了一种受控不变性方法，该方法通过两个预言测试揭示了这种区别：\textsc{Force}，它用 真值 替换每个响应的最终答案，同时保留推理跟踪；以及 \textsc{Remove}，它去除答案宣布步骤，同时保持轨迹完整。这揭示了他们的预测能力是否来自答案级别的工件，而不是来自中间推理的结构或有效性。我们进一步表明，一旦控制了这些伪影，有效的检测不一定需要复杂的学习表示：TRACT，一个基于词汇轨迹特征（对冲趋势、步长动态和交叉响应词汇收敛）构建的轻量级评分器，实现了强大的鲁棒性，同时在未受干扰的轨迹上保持与现有基线的竞争力或优于现有基线。这些发现表明，目前推理感知幻觉检测的主要挑战不是轨迹中缺乏信号，而是未能将其与端点线索隔离开来。