潜在推理链中的动态：因果结构的实证研究

隐式或连续推理链方法通过内部潜在步骤替代显式文本推理，但这些中间计算难以评估。本文将隐式推理链建模为表示空间中的可操作因果过程，利用结构因果模型（SCM）分析其影响。研究在数学和通用推理任务中对两种代表性范式（Coconut和CODI）进行分析，探讨三个关键问题：哪些步骤对正确性是因果必要的？推理过程中影响如何传播？中间轨迹是否保留竞争答案模式？结果表明，潜在步骤预算更类似于分阶段功能而非均匀深度，并发现早期输出偏差与后期表示承诺之间存在持续差距。这些发现推动了基于模式条件和稳定性感知的分析及训练/解码目标，以改进隐式推理系统。