利用语言、行为和机制指标检测 大语言模型 中隐藏的思维链

大语言模型 经常回答复杂的推理问题而不透露中间步骤，从而提高了他们是潜在推理还是完整模式。我们提出了隐藏 CoT 检测分数 (HCDS)，这是一种比较行为和机制信号，用于衡量中性提示行为是否与显性 CoT 或显性 no-CoT 更紧密地一致。这里，隐藏的 CoT 在操作上表示这种中立提示 CoT 式的对齐方式； HCDS 不直接观察或证明未暴露的推理痕迹。在 GSM8K 上，HCDS 对 Qwen3-4B 变体均显着为正（思考 $+1.87$，$p = 1.2 \times 10^{-7}$；指令 $+1.41$，$p = 1.9 \times 10^{-4}$），在不同的推理堆栈中复制并在 $0.08$ 内进行量化（$+1.80$ 和$+1.45$)，并且在八个长度调整的校准对照细胞中的七个中不呈显着正值。未调整的分数在单步算术和数字事实查找上产生很大的正分数。这些变体对 no-CoT 指令的反应也不同：指令仅根据提示进行操作，而思考则继续推理并需要干预。这些发现表明，推理调整模型中具有更强、更少的即时条件 CoT 行为，与潜在推理一致，但不是潜在推理的证明。因此，HCDS 可以在不依赖模型自我报告痕迹的情况下研究潜在推理。