# From Decorative to Load‑Bearing: Task Difficulty Shapes the Causal Role of Chain‑of‑Thought
> 论文信息：arXiv:2609.25366，接收于 TMLR 2026，作者 Renee Jia, Di Mu
## 一、文章主要内容
本文研究**思维链（CoT）文本推理对模型最终答案的因果约束能力**，提出核心概念「承载性（load‑bearingness）」：即CoT推理文本是否真正因果地决定模型输出；与之相对的是「装饰性（decorative）」，即CoT只是事后合理化，不会约束答案。
1. **提出新实验范式：基于续写的因果测试（continuation‑based causal testing）**
对CoT中某一步推理做扰动篡改，截断推理链，让模型从被污染的前缀继续生成，观察模型后续行为。定义三类行为模式：
- **静默绕过（silent bypass）**：无视被篡改错误推理，依然输出正确答案（CoT装饰性）
- **自我修正（self‑correction）**：识别错误并修正，输出正确答案
- **错误传播（error propagation）**：顺着错误推理继续，输出错误答案（CoT具备承载性）
2. **核心实验发现：任务难度决定CoT承载程度**
在 Gemma‑2‑9B‑IT、Llama‑3.1‑8B‑Instruct、DeepSeek‑R1‑Distill‑Qwen‑7B，数据集 GSM8K、MMLU、BIG‑Bench Hard 开展大规模实验（总计28584条续写样本）：
- **简单任务**：模型会绕过自己写下的推理，CoT大多只是装饰，错误
