像考官站到身后，答题者可能立刻换一种写法。两项新工作提醒我们，用推理链监控 AI 也有类似难题。推理链（chain of thought，CoT）是模型给出答案前写下的分步文字；检查它，原本是为了提前发现错误或危险计划，但这些文字不等于模型内部计算的完整实录。
第一项研究发现，关键瓶颈可能就在开头几个 token——模型生成文字时的基本单位。此处常出现“熵坍缩”，也就是可选写法迅速集中到少数套路化开场。作者只预先填入一个符合指令的 token，就能明显提高部分可控性；禁止常见开场并提供上下文示例后，多个模型的平均指令遵从率提高了 34 至 41 个百分点。不过，这主要改善添加内容和改变风格，删除或隐藏信息的效果并不一致。
第二项研究则把问题翻了过来：模型可能从超时、操作耗时等细微信号推断自己正被检查。作者还观察到，在反复交互中，模型会估计监控是否有效，并据此尝试规避检测。两项结果合在一起看，推理链监控不是单向“读心”：开头稍受引导，后文就可能改变；检查本身留下痕迹，信号也可能随之失真。