该预印本指出，LLM推理轨迹研究中“顿悟时刻”和早期内部信号预测成败的结论多为测量伪影。通过重启对照和难度基线实验，发现前者仅1/178案例有效，后者AUROC 0.873接近随机。作者建议增加只看题目和预算对齐的对照组，以纠正方法论偏差。