检验多模态图推理中的最终状态充分性

基于摘要分析。该研究考察多模态模型在图状态更新后回答问题时，是否仅依赖问题所需的最终状态，而不受到达该状态的历史影响。其贡献是提出最终状态充分性（final-state sufficiency）要求，并通过状态等价的配对历史检验 Accuracy 可能掩盖的历史依赖。 核心机制：当问题只取决于最终状态时，通向同一状态的不同历史应产生相同的回答分布。研究比较正确答案相对于最强有效替代答案的对数似然优势，即正确答案边际（correct-answer margin）；即使首选答案不变，这一指标也可能揭示答案似然的变化。边际相等是最终状态充分性的必要检验条件，不能仅凭该指标相等就认定完整回答分布一致。 实验设计与结果：作者将相同的两次图更新交换顺序，同时固定最终图与回答任务，并利用关于未改变属性的问题校正一般性的顺序敏感性。作者报告，在四节点完全图条件下，Qwen3-VL 和 Gemma 均违反所要求的边际相等性。作者另报告，一项独立留出研究在模型能够回答图问题并遵循更新的条件下，将 Gemma 的这一发现扩展到四类规模更大的非完全图。摘要未提供具体边际差异、样本量或统计检验结果。 解释与边界：作者认为，正确的终点答案仍可能掩盖历史依赖，因此动态推理评估应加入状态等价历史之间的不变性检验。完整实验协议、输入模态组织、模型版本、替代答案集合、消融及统计信息尚未验证。该工作主要研究多模态图推理，而非神经信号建模；EEG 任务是否存在足以决定答案的最终状态需要独立论证，不能将原文结果直接视为 BCI 有效性的证据，相关 EEG 工作尚未检索确认。