把潜思维链推理解读为动力系统

近期的潜推理方法（如CODI与COCONUT）面临根本的可解释性问题：它们在每一步的隐空间中维持多条叠加的候选轨迹，不像显式思维链那样遵循单条透明推理轨迹。既有机制性方法展示了压缩、捷径与叠加，却没有解释推理如何跨潜步骤演化。为弥合该空白，我们把潜token序列建模为表示空间中的轨迹，应用动力系统分析刻画推理演化：用步间变化、方向一致性与Lyapunov敏感性等定量度量，配合UMAP与DMD/PHATE等定性投影，我们显示潜思维链呈现结构化、非随机的动力学，含两个不同的稳定性类别——CODI表现为稳定吸引子，COCONUT表现为不稳定扩张系统；SIM-CoT监督收紧两者行为而不改变底层动力学。该框架推进潜思维链推理动力学的可解释性，并为改进潜推理表现提供可操作的洞见。