行动前的自我意识：通过主动认知感知缓解逻辑惯性

大型语言模型在许多推理任务中表现优异，但往往缺乏对当前知识或推理状态完整性的感知。在非交互式谜题场景中，叙事固定且底层结构隐藏，模型若在前提不全时形成早期假设，易导致错误传播及结论不稳定。为此，本文提出 SABA 推理框架，在最终决策前显式引入对缺失前提的自我意识。该框架将推理构建为递归过程，交替进行结构化状态构建与障碍解决：首先利用信息融合将叙事巩固为可验证的基础状态，随后通过查询驱动的结构化推理，识别并解决缺失或未明确的前提，将其转化为查询，并通过假设构建与状态细化逐步完善推理状态。实验表明，SABA 在非交互式侦探谜题基准的所有难度划分中均取得最佳性能，并在多个公共基准上保持领先。