多跳问答中的失效模式：最弱环节效应与识别瓶颈

尽管大型语言模型（LLM）已扩展到 massive context windows，但在多跳推理中仍难以克服位置偏差导致的隐含问题，使得其忽略特定位置的信息。这些失败是源于无法定位证据（识别失败）还是整合证据（综合失败）尚不明确。我们引入Multi-Focus Attention Instruction（MFAI），这是一种语义探针，通过显式引导注意力聚焦于特定位置来分离这些机制。我们在两种多跳问答任务（MuSiQue和NeoQA）上测试了5种LLM，识别出“最弱环节效应”：在18文档、3段落设置下，多跳推理性能坍缩为最少可见证据的水平，由绝对位置而非事实间线性距离决定。虽然匹配的MFAI可解决识别瓶颈，使低可见位置准确率提升最高可达11.49%，但误导性的MFAI在任务拓扑结构下产生差异化效应：以实体为中心、具有垂直推理链的任务较为脆弱，而以事件为中心、具有水平证据结构的任务则更具韧性。最后，我们展示利用System-2推理的思考模型能够有效定位并整合所需信息，即使在噪声环境和长上下文设置下，也能与仅使用金标准的基线相当。补充实验在2WikiMultiHopQA、扩展3-4跳计数以及32B模型上均证实了这些发现可推广至数据集、推理深度和模型规模。