像做一道难题时连续几次都写下同一个答案，并不代表你已经想完；再检查一步，答案仍可能被推翻。这篇论文提醒，推理模型也会如此。所谓自一致性，是在一段尚未完成的推理途中多次探测当前答案，若结果相同便提前退出——也就是提前停止生成，以节省时间和算力。问题在于，这只能证明模型暂时没改口，不能证明推理已经完成。
作者在两个模型、三个基准的冻结推理轨迹上，按预先固定的分析规则系统测试这类停止方案。一个仍能节省 token 的规则中，每九次停止约有一次锁定了模型随后会放弃的答案，而且这些情况大多截断了原本会发生的纠错。把观察答案的一致窗口拉长也没有消除风险，只会让规则更晚、更少触发，节省随之缩水。
这项工作的警示很具体：答案稳定与推理终止之间存在缺口，单靠“连续答得一样”来省算力，测到的可能只是一个被探测问题反复诱出的临时答案。预注册测试中，没有一种自一致性规则通过作者事先设定的安全与节省门槛；相对地，读取推理边界置信度的 DEER 在同一流程中通过了全部门槛。不过，这是否适用于更广泛的模型和任务，仍需继续验证。