arXiv 2026年10月6日作者提出一个分析上下文影响的推理动态理论框架，证明在受控单轮设定下，重复的上下文断言不会使内部推理轨迹无界漂移，而是收敛到稳定的、依赖查询的极限，因此重复断言并不充当累积证据，可能无法改变预测，也可能必然改变预测；并在六个模型与多个问答基准上验证了表示层动态与输出层答案变化的一致性。作者提出一个分析上下文影响的推理动态理论框架，证明在受控单轮设定下，重复的上下文断言不会使内部推理轨迹无界漂移，而是收敛到稳定的、依赖查询的极限，因此重复断言并不充当累积证据，可能无法改变预测，也可能必然改变预测；并在六个模型与多个问答基准上验证了表示层动态与输出层答案变化的一致性。重复断言并非累积证据：LLM推理动态收敛到查询相关的稳定极限作者提出一个分析上下文影响的推理动态理论框架，证明在受控单轮设定下，重复的上下文断言不会使内部推理轨迹无界漂移，而是收敛到稳定的、依赖查询的极限，因此重复断言并不充当累积证据，可能无法改变预测，也可能必然改变预测；并在六个模型与多个问答基准上验证了表示层动态与输出层答案变化的一致性。作者提出一个分析上下文影响的推理动态理论框架，证明在受控单轮设定下，重复的上下文断言不会使内部推理轨迹无界漂移，而是收敛到稳定的、依赖查询的极限，因此重复断言并不充当累积证据，可能无法改变预测，也可能必然改变预测；并在六个模型与多个问答基准上验证了表示层动态与输出层答案变化的一致性。