SliceGraph：映射多运行思维链推理中的过程同分异构体

多运行思维链（CoT）推理通常被压缩为最终答案的聚合统计，这丢弃了采样轨迹在中间计算中如何共享、分裂与重新汇合的信息。我们提出SliceGraph，一个事后构建的问题-模型-单元格图，它基于CoT切片之间稀疏激活键的Jaccard相似度、以互k近邻（mutual-kNN）方式构建，并将其作为过程几何的测量对象，而非解码程序。在数学与科学基准上、来自三个主要4B/8B模型的采样CoT集成中，盲测标注支持将SliceGraph的双连通分量视为共享推理状态单元、将过程家族视为家族内策略一致的路线单元。在954个问题-模型单元格中的85.5%里，共享同一归一化答案的正确CoT分裂为多个过程家族；在至少有两次此类运行的单元格中，平均76.6%的运行对为跨家族关系。我们将这类答案相同而家族分化的正确轨迹称为过程同分异构体（process isomers）。标签播种的奖励场提供了独立的价值地形层：与成功相关的区域常常分裂为互不相连的高价值核心，而路线家族在这些核心足迹上特化，而非彼此简单复制。类型化状态转移分析进一步表明，在匹配的零对照条件下，各过程家族以不同的转移核导航同一图谱。表示消融、一项跨架构复制和两项跨规模复制支持了路线家族骨架的稳健性，表明最终答案聚合忽视了这种结构化的多路线过程几何。