推理还是合理化？事实验证中掩码扩散模型里论证的作用

本文研究了掩码扩散语言模型（MDLM）在事实验证任务中的推理动态，探讨其生成的论证是真实推理还是事后合理化。研究发现，MDLM 通常在扩散过程早期即确定结论，将其作为全局锚点，随后生成的论证若包含噪声反而会干扰初始正确判断。强制“先推理后结论”的策略导致准确率显著下降，干预实验表明模型常对错误结论进行合理化，且结论高度依赖论证质量。结果表明，对于 MDLM，过度 deliberation 可能因引入噪声而稀释早期准确预测。