潜在推理模型容易解释吗？一项关于 LRM 可解释性的调查

📋 概述

这篇 COLM 2026 论文调查两个最先进的潜在推理模型（LRM）的可解释性。作者发现：逻辑推理数据集上 LRM 常常不需要潜在推理 token 就能给出同样答案，这或许解释了 LRM 为何不总能稳定优于显式推理方法；而当 token 确实必要且预测正确时，能解码出黄金推理痕迹的概率高达 65-93%；并提出了无需已知黄金痕迹即可解码并验证自然语言推理轨迹的方法。