当说“some students passed”时，听者会推断并非全部通过。近期的推理模型允许用户控制模型在给出答案前的思考步数，但尚不清楚额外的思考会如何影响这类日常推断。我们直接研究这一问题：保持模型权重不变，仅改变思考时长，记录模型选择的解读。第二种工具在推理过程中逐步截断模型，并在每一步请求答案，以定位解读转变的时点。实验发现，增加思考步数会使模型把逻辑词视为严格的逻辑运算：在多数开放推理模型以及 GPT‑5 中，some 的含义从“有些（不全）”被取消，or 的含义从“或（不全）”被取消；而基于上下文的推断（如间接回答）则有所提升。追踪显示，模型最初会“娱乐”更丰富的解读，随后在后续思考中将其取消。若在早期阶段直接给出答案，即一种探索性的推理时修正方法，可在不牺牲字面准确性的前提下恢复这些含义。因而，对推理模型的评估应关注其解释方式，而不仅是答案的准确率。
点评