消融以验证：视觉 - 语言模型真的在使用连续思维令牌吗？

视觉 - 语言模型常通过增加连续或潜在非文本令牌来支持“视觉思维”，但准确率提升未必证明其真正用于推理。本文形式化提出“消融以验证”诊断原则，并实例化为令牌替换测试（TRT），通过替换中间令牌内容隔离性能依赖来源。实验表明，即使令牌内容被破坏，模型仍保留大部分性能提升，揭示存在拥有潜在通道与将其作为信息瓶颈使用的差距。建议将 TRT 作为评估连续思维令牌方法的标准诊断工具。