研究发现 LLM 的数学推理内部结构更按“方法”而不是“题目主题”组织

作者提出 generation-replay protocol：模型先生成数学解答，再重放 prompt+generation 轨迹并提取 reasoning-token activation-importance signatures。对 8 个模型和 5 类数学 reasoning 来源的 40 个 model-source 组合做无监督聚类后，frontier-LLM judges 在 77%–82% 的真实 cluster 中识别出 approach-level coherence，而 matched within-source controls 只有 6%–11%。进一步的 approach-controlled prompting 也能在 8 个模型条件中的 7 个改变 cluster assignment。