同样的公式，不同的语义：语言模型会遵循模态逻辑规范吗？

论文构造了前提与猜想完全相同、但框架或对象域条件不同的成对模态逻辑题，并用自动推理验证相反标签。在平衡核心测试中，五个模型中的四个低于仅凭条件猜答案的基线；开启推理模式后，DeepSeek V4 Flash准确率由4.4%升至88.1%。