模型会读取它们写下的内容吗？思维链推理中的因果寄存器

过程监督的核心希望在于模型能暴露影响后续行为的中间变量。为确保对齐，思维链中的写入状态必须真正参与计算。本文通过可控的状态跟踪任务，对比仅报告最终状态与先写中间状态的模型。评估时，编辑内部状态表示而保持可见文本不变。结果显示，状态写入模型能依据编辑后的状态正确预测后续结果，而基线模型不能。这表明思维链监督的目标不仅是使推理可见，更要训练模型真正利用写入状态进行计算。