推理一致性扫描：AI安全评估中审计思维链有效性的框架

既往工作显示思维链（CoT）推理常不忠实：模型陈述的推理不可靠地反映产生其输出的过程。但检测不忠实需要受控实验干预——无法应用于事后评估轨迹。我们转向一个更可行、受关注较少的问题：陈述的推理是否与其伴随的答案逻辑一致。与忠实性不同，一致性可仅凭轨迹评估、无需干预。我们引入推理一致性扫描：在AI安全评估轨迹中检测该属性的可复用方法。贡献有四：第一，把推理一致性与忠实性形式化区分，定义六子类不一致分类；第二，构建60条轨迹的经校验基准（人工改编自InstrumentalEval输出）；第三，为InspectScout实现首个针对该属性的安全评估轨迹扫描器；第四，报告跨四个生成模型与三个inspect_evals评估的结果——显示推理不一致存在、可检测，并跨模型与任务类型系统性变化。