新视角：将潜在思维链推理建模为动态系统

近期，CODI、COCONUT等潜在推理方法面临一个根本性的可解释性问题：它们在每一步都维持多个叠加的候选推理轨迹，这与显式思维链的单一路径形成鲜明对比。现有机制分析方法虽揭示了压缩、捷径和叠加等现象，但未能解释推理在潜在步骤间如何演化。

为解决这一空白，研究团队将潜在标记序列建模为表示空间中的轨迹，并应用动态系统分析来刻画推理的演化特征。通过量化指标（如步间变化、方向一致性、李雅普诺夫敏感性）与定性投影技术（如UMAP、DMD/PHATE），研究发现潜在思维链展现出结构化、非随机的动态特性，且存在两种不同的稳定性类别。

具体而言，CODI表现为稳定的吸引子系统，而COCONUT则呈现不稳定的扩张系统。进一步分析表明，SIM-CoT监督训练能收紧两种行为，但不改变其底层动态特性。该框架不仅推进了对潜在思维链推理动态的可解释性理解，还为提升潜在推理性能提供了可操作的见解。相关代码与项目页面已公开。