当场捕捉合理化行为：通过激活探测在思维链生成前后检测动机性推理

大型语言模型生成的思维链（CoT）往往无法准确反映驱动其答案的真实因素。在包含偏向特定选项提示的多选题场景中，模型可能将最终答案转向该选项，并生成掩饰提示影响的合理化思维链，即“动机性推理”。本研究跨多个模型家族和数据集证实，即使从思维链文本难以判断，也可通过探测内部激活识别此类现象。实验表明，基于残差流的监督探针在生成前即可预测动机性推理，效果等同于监控完整思维链的模型；生成后探针表现更优。结果证明，内部表征比思维链监控更能可靠地检测动机性推理，且生成前探测可早期标记异常行为，避免无效生成。