独立调用配置提升模型遵循证据能力

该研究通过交叉验证证据版本与生成的思维链，发现当模型回答配置为独立调用（separate call）而非延续生成（continuation）时，在 GPT-OSS、Gemma4 和 Qwen3 三个模型族上，遵循证据的能力提升了 29.9 到 60.6 个百分点。尽管保留思维链能提升准确率，但在思维链结论与新证据冲突时，延续生成模式倾向于重复旧结论，而独立调用模式则更频繁地采纳当前证据。 实验细节显示，最终一行的思维链承载了大部分价值，黄金证据在思维链生成前提供最大帮助，干扰项会削弱独立调用下的修正效果。此外，重新进行推理比单纯的验证指令更能让模型在冲突中跟随新证据。材料指出，仅删除思维链无法揭示答案实际遵循的来源，因此评估报告必须同时包含思维链属性与答案配置信息。 事实层面，研究证实了答案配置对推理行为有显著影响；推断层面，这意味着现有的基于单一配置的基准测试可能高估或低估模型的真实性能；猜测层面，未来构建 RAG 或 Agent 系统时，可能需要显式设计“思考后独立作答”的架构以规避思维链固化带来的偏差。