单独答案调用让模型遵循证据率飙升60.6个百分点！
When Reasoning Traces Conflict with Evidence: How Answer Configuration Shapes Evidence Following
📖 AI 总结
这篇论文研究推理轨迹在答案生成阶段的双重作用：它既能提升准确率，也可能在轨迹与当前证据冲突时干扰模型对证据的采纳。作者通过将已验证的证据版本与由各版本生成的推理轨迹交叉组合，并在两种答案配置下作答——延续模型自身思路，或发起独立的答案调用——来分离这两种作用。在gpt-oss、Gemma4、Qwen3三个模型家族及HotpotQA、MuSiQue两个数据集上，独立调用相比延续方式将证据遵循率提升29.9至60.6个百分点；而在相同配对下删除轨迹，两种配置的准确率下降幅度相近。但延续方式在多数冲突中重复陈旧结论，独立调用则更常采纳当前证据，说明"受益于轨迹"与"服从轨迹"是两种不同属性。进一步分析显示，轨迹末行承载了大部分价值，黄金证据在轨迹生成前作用最大，干扰项会削弱独立调用下的纠错能力，而重新推理（不同于验证指令）在多数冲突中会遵循当前证据。由于单纯删除轨迹无法判断答案究竟依据哪一来源，评估应同时报告这两种属性及答案配置。
🔑 关键词速览
| 推理轨迹 | 模型在生成答案前产生的中间推理步骤序列，可提高准确性但可能与当前证据冲突。 |
| 答案配置 | 指生成答案的方式，如延续模型自身思考或进行单独的答案调用，影响证据遵循程度。 |
| 证据遵循 | 模型在回答时依据当前提供的证据而非过时推理轨迹的程度。 |
| HotpotQA | 一个多跳问答数据集，需要模型整合多个文档中的信息来回答问题。 |
| MuSiQue | 一个多跳问答数据集，通过组合多个单跳问题构建，用于评估复杂推理能力。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅