arXiv cs.AI· Shaoang Li, Yanhang Shi, Jian Li·· 9 小时前AI 评分48
当推理轨迹与证据冲突：答案配置如何影响 gpt-oss、Gemma4、Qwen3 对证据的遵循
When Reasoning Traces Conflict with Evidence: How Answer Configuration Shapes Evidence Following
AI 导读
在 HotpotQA 和 MuSiQue 上，gpt-oss、Gemma4、Qwen3 改用独立答案调用后，遵循当前证据的比例比延续自身思考高出 29.9 至 60.6 分。删除轨迹同样会拉低两种配置的准确率，但延续思考在多数冲突中重复陈旧结论；研究表明获得轨迹帮助与顺从轨迹是两种属性，评测应同时报告答案配置。
来源：arXiv cs.AI · arxiv.org