LLM 代理何时区别对待表面噪声与语义噪声？一项包含保留轨迹级验证的 68 单元格测量研究

本文实证发现，在思维链和 ReAct 代理中，语义扰动（如改写）比同等严重程度的表面扰动（如格式调整）更易改变最终答案。通过对 68 个实验单元的大规模测试及第 11 个模型的保留数据验证，证实了该不一致性差距显著存在。研究 retract 了部分先前机制主张，提出“隐性分歧”现象：语义扰动虽保留初始动作，但导致后续中间推理步骤发散且轨迹略深。本研究提供了带有保留验证的测量贡献及部分轨迹级机理解释。