冗长思维链真的有帮助吗：内容而非长度才是关键

思维链（CoT）提示改善LLM推理，但来源有争议：中间步骤有帮助是因为携带有用的语义内容，还是因为条件在更多token上为模型承诺答案前购买了额外计算？我们提供两线证据。第一，分布内：对同一问题重复采样同一模型、把较短的与较长的自然生成配对——两者遵循相同推理计划、都真正在分布内。跨25个模型：额外token对每个独立训练的推理器的准确率基本无影响，盲分析显示存在的增益追踪的是验证与检查内容而非冗长本身。第二，作为受控干预：两段表达相同语义内容的轨迹（相同事实、操作与中间值经DAG等价验证）在更冗长时是否产生不同结果。冗长轨迹确实改善准确率（32个基准-目标单元中25个为正），但效应温和（通常1-4分）且取决于冗长散文的质量而非仅其长度。在最大数字脱敏下效应放大（四算术基准中位数3.24倍），而长度匹配的非推理填充恢复不了。两线收敛：重要的是额外token做了什么（其推理与验证内容），而非有多少。