RQ3 · input familiarity signal
输入 NLL 与前缀冗余呈正向条件关联，但预测力有限。
四因素联合分析显示：控制 A-hat、操作量与无关节点数后，原始 mean NLL 的系数为正；但样本外解释度接近于零。这里报告的是关联，不是“陌生导致 overthink”的因果结论。
固定 random600 campaign273独立、正确且 n_steps ≥ 2 的自然轨迹
+0.0568
mean NLL 每增加 1 SD，rho 的条件变化
0.0084
5-fold group-isolated OOF R²
0.8233
样本平均 rho（273/273 可测）
四因素联合模型
系数已按 predictor 标准差缩放；rho 保持原始尺度。线段为 HC3 95% CI，圆点为估计系数。
rho ~ z(A-hat) + z(op) + z(irrelevant) + z(raw mean NLL)
点击切换名义 p / Holm 校正 p
点击切换名义 p / Holm 校正 p
零线表示无条件关联。HC3 联合检验 p = 0.0056；Holm 后，mean NLL 仍显著（p = 0.0095），无关节点数不再显著（p = 0.0638）。
读法：mean NLL 的方向与 rho 同向，但联合模型样本内 R² = 0.0485、调整 R² = 0.0343；OOF R² = 0.0084，训练折均值 baseline 的 MSE 仅改善 1.35%。
测量锚点
方法与边界（展开）
数据来自随机 600 GSMDC 原始题中的条件化队列：273 个独立自然轨迹，均正确且 n_steps ≥ 2；并非“全部 600”，也不是旧的 49 题中期样本。每题 8 DIRECT + 8 THINK_A 收益；rho 使用 HMTE 的首个成功正前缀定义，四因素模型使用 HC3 置信区间与 Holm 校正。
- 文本 NLL 不是直接的训练熟悉度测量，可能同时受词汇、格式等因素影响。
- 这是单一 OLMo-3-32B-Think checkpoint；不能推出跨模型或因果结论。
- 7B 预检结果未纳入本页。