推理模型放大≠预测正确：行为提升差距研究

在推理模型中，哪些推理行为与正确答案相关联，并且面向推理的训练是否会放大这些行为？这一区分很重要，因为面向推理的训练可以使推理轨迹看起来更具深思熟虑性，而并未放大与模型正确性最紧密相关的行为。我们通过行为提升度（Behavioral Lift）这一指标来量化这种不匹配，该指标衡量在模型的推理轨迹中，某一行为存在与不存在时正确性变化的程度。跨越15个模型和6个基准（涵盖纯文本及视觉-语言推理），我们使用一个核心行为分类体系对15,282条轨迹进行了标注，该分类体系同时适用于LLM和VLM轨迹。我们发现存在一种“放大-提升差距”（Amplification-Lift Gap）现象，即思考模型强烈放大自我修正、假设检验和不确定性承认，而提升度最高的行为则是置信度校准、知识对齐和自我意识。置信度校正在两种模态中都是正确性的最强正向信号之一，却几乎未被放大；不确定性承认被放大了3至7倍，却与正确性关联微弱甚至呈负相关。我们发现，面向推理的训练并未优先放大提升度最高的行为，这促使我们需要制定过程层面的目标，以奖励校准且基于依据的推理，而非仅仅关注表面形式。