计算而非记忆：LLM 智能体的链式推理与状态追踪

在文件锁状态追踪任务中，Qwen3-8B 与 Qwen3.5-9B 的锁违规命令减少主要来自动作前即时生成的推理，保留早前推理对规则遵循帮助有限。填充文本、为其他历史写的推理和准确的状态表都无法复现这一收益；给出与自身历史仅一个锁值不同的推理时，智能体会违背自身历史照其行动。无推理时线性探针从激活中恢复状态的效果与文本分类器相当，但解码准确率无法预测哪些干预会改变智能体行为。