为策略家搭建脚手架：霍特林空间市场中架构依赖的推理干预

我们研究结构化推理干预能否改善大语言模型的策略性经济推理，以及其效果是否依赖模型架构。以霍特林线性城市模型为诊断载体，我们在五个条件下（无脚手架基线与四种推理干预）评估GPT-4.1-mini（标准指令模型）与GPT-5-mini（推理优化模型）：八个问题横跨演绎与溯因推理、三种提示框定、每条件三次重复，共720个单独评判的响应。我们发现脚手架类型与模型架构之间存在统计显著的交叉交互（t(7)=4.79，p=0.002，d=1.69）：承诺脚手架改善标准模型（+0.21）却损害推理模型（-0.63）；原理分离则呈相反模式（-0.40对+0.31）。两个交叉都单独显著（承诺：p=0.040；分离：p=0.002），并在全部八题上保持7/8的方向一致性。对抗压力测试损害两个模型，推理模型退化大2.6倍（-1.47对-0.57；p=0.038），且损害与基线难度负相关（R²=0.36，p=0.014）。我们进一步记录了一个持续的“陈述—程序”鸿沟：两个模型识别正确策略的比率远超其执行能力；分离干预完全弥合推理模型的这一鸿沟，而任何干预都无助于标准模型。