看得见的链条，看不出的答案：Video-MME 上强制思维链的多方面评估方案

强制思维链（CoT）被广泛认为能提升视觉语言模型在视频问答中的可靠性。本文提出一种包含三个探针的评估方案来验证该假设：对比直接回答、CoT、答案优先及无视频条件下的配对准确率；对 CoT 链条进行反事实视频交换诊断；以及构建四级视觉退化阶梯。在 Video-MME 子集上应用该方案评估 Qwen2.5-VL 发现：CoT 链条高度依赖视频内容，但强制 CoT 并未提高多项选择题准确率，且在 7B 模型上导致轻微但统计显著的下降。