当推理轨迹与证据冲突：答案配置如何影响证据遵循

研究发现在大模型推理轨迹与当前证据冲突时，采用独立答案调用配置相比延续自身思考，在 HotpotQA 和 MuSiQue 上可将 gpt-oss、Gemma4 和 Qwen3 的证据遵循度提升 29.9 至 60.6 点。直接延续思考会在多数冲突中重复过时结论，而独立调用能更多遵循当前证据。分析进一步表明推理轨迹的最后一行承载了大部分价值，且重新推理相比验证指令能在多数冲突中有效遵循最新证据。