末位常胜：思维链腐化研究中的格式混淆

本文指出思维链（CoT）忠实度评估中存在系统性格式混淆：在含显式结尾答案的标准基准中，腐化研究检测的是答案文本位置而非计算发生处。实验表明，移除答案陈述可使后缀敏感度显著下降；冲突答案实验量化了该因果机制，显示模型倾向于遵循显式答案文本而非早期推理。生成探测证实答案非早期确定，但消费时系统性地受格式主导。作者提出包含问题控制、格式表征及全位置扫描的三前提协议，作为此类研究的最低标准。