推理轨迹在答案生成时承担两重角色：提升准确率，同时在与当前证据不一致时产生竞争。我们通过交叉使用已验证的证据版本和对应的推理轨迹，并在两种答案配置下进行回答：模型自行继续思考（continuation）和单独的答案调用（separate call）。在 gpt-oss、Gemma4、Qwen3 三个模型族的 HotpotQA 与 MuSiQue 数据集上实验，单独调用在证据遵循上比继续思考提升了 29.9 到 60.6 分。去除轨迹会在两种配置下导致相似幅度的准确率下降。然而，在冲突情形中，继续思考往往重复陈旧结论，而单独调用更倾向于遵循最新证据。由此可见，受益于轨迹与依赖轨迹是两种不同属性。进一步分析表明，轨迹的最后一句承载了大部分价值；在写入轨迹前，金标准证据的帮助最大；干扰项会削弱单独调用下的纠正效果；重新推理（而非验证指令）在大多数冲突中遵循当前证据。仅删除轨迹无法判断答案来源，评估时应同时报告这两项属性及答案配置。
点评