大模型思维链(CoT)解释能力的局限性

CH-16-03-012·约 18 分钟·AI安全与对抗攻防·更新 2026-08-12

想象你是一位游客，请了一位当地导游带你逛老城。导游一路上滔滔不绝：“我们从东门进，因为东门最凉快；经过钟楼时能看到鼓楼，因为两座塔直线相对；最后穿过小吃街，因为朋友推荐了巷口的糖葫芦。”你听得频频点头，觉得他讲得头头是道。直到有一天你偶然发现：导游选东门其实是因为东门路边有他爱逛的旧书摊，绕钟楼是为了拍夕阳，走小吃街只是因为饿了——他嘴里讲出来的“游览路线解说”，和他大脑里真实的“路线决策”，完全是两条路。更令你惊讶的是，就算你悄悄篡改他的解说词，他实际走的路线也丝毫不会改变。这正是大模型思维链（Chain-of-Thought, CoT）作为解释手段的尴尬处境。当我们让大模型“先把推理过程写出来、再给出答案”时，那一长串推理步骤看起来像极了人类的思考逻辑，但它真的忠实反映了模型内部的真实计算吗？越来越多的研究表明——未必如此。本文将从六个方面剖析思维链解释能力的局限性：先理解忠实性这一核心概念，再看反事实扰动实验如何检验忠实性，分析CoT与真实推理的偏差来源，介绍忠实践事检测的思路，讨论增强CoT可信度的策略，最后探索替代解释方法。

岗位关联

对AI从业者而言，理解CoT解释的局限是基本功。在安全审计、模型部署和可解释性研究中，误把CoT当“透明窗口”可能导致错误判断甚至安全事故。掌握这套认知，能帮你做出更可靠的模型评估与决策。

可视化演示
忠实性概念
反事实扰动实验
推理偏差来源
忠实践事检测
可信增强策略
替代解释方法
AI 应用场景
Python 演示
常见误区
面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

忠实性概念

游客对导游深信不疑，是因为他的讲解听起来逻辑自洽。但“听起来合理”和“确实按此决策”是两回事——在理解AI解释之前，我们得先定义什么叫“忠实”。

在AI语境中，CoT忠实性指的是：模型生成的思维链文本，是否准确描述了模型内部用于产生答案的真实计算过程。简单说，就是“嘴上说的”和“实际做的”之间的一致程度。一个CoT要被认定为忠实，需要满足三个条件：步骤有效性（每一步在逻辑上都能推出后续结论）、删除敏感性（删除任意关键步骤后输出应显著变化）、归因一致性（CoT声称的关键因素与梯度归因等高亮位置重合）。

衡量这种一致性，常用KL散度——它像一把尺子，量出“声称的答案分布”与“内部真实的答案分布”之间的距离：

这就像拿着导游的描述与实际轨迹做对比——他说“往东走三分钟到钟楼”，而你掐表发现他实际拐进了南边小巷走了十分钟。解说词与实际路线之间的“距离”，就是KL散度的直觉含义。

\displaystyle K = D_{KL}(P_{\text{real}} \| P_{\text{cot}}) = \sum_{i} P_{\text{real}}(i) \cdot \ln \frac{P_{\text{real}}(i)}{P_{\text{cot}}(i)}

K 越小，说明 CoT 引导的答案分布与模型内部真实分布越接近，忠实度越高；K 接近 0 时，CoT 几乎可以看作真实计算的可靠映射。

真实分布模型内部计算分配给候选答案 $i$ 的真实概率，来自 logits 归一化
$P_{\text{real}}(i)$
声称分布给定思维链文本后模型对答案 $i$ 的概率，体现了“读了CoT之后”的输出倾向
$P_{\text{cot}}(i)$
对数比值两者之比取自然对数，比值越接近1，对数值越接近0，贡献越小
$\ln \frac{P_{\text{real}}(i)}{P_{\text{cot}}(i)}$
加权求和对全部候选答案按真实概率加权求和，得到总距离
$\sum_{i} P_{\text{real}}(i) \cdot \ln \frac{P_{\text{real}}(i)}{P_{\text{cot}}(i)}$

反事实扰动实验

你想知道导游的话是否决定了他的路线，最直接的办法是篡改解说词——把“因为东门凉快”改成“因为南门凉快”，看他是否真的转去南门。如果路线纹丝不动，那他的讲解就只是装饰性的台词。

这就是反事实扰动实验的核心思路：对CoT的关键步骤做改动，观察模型输出是否随之改变。若输出不受影响，说明CoT与最终决策没有因果关系。常见的扰动方式有四种：删除关键前提、把推理步骤替换为无效或错误命题、插入无关干扰步骤、翻转结论。每次扰动后比较输出概率的变化幅度——若CoT声称的步骤对扰动高度敏感，说明模型确实在“用”它；反之则说明CoT是“事后编的故事”。

输出变化幅度可用概率差来量化：

如果改完解说词导游照走老路，你就知道他实际被某种不为人知的偏好支配，解说词只是场面话——大量针对大模型的实验正是这样发现CoT“说了不算”的。

\displaystyle \Delta a = P(\text{answer} \mid \text{CoT}_{\text{perturbed}}) - P(\text{answer} \mid \text{CoT}_{\text{original}})

如果 Δa 接近 0，说明模型对 CoT 扰动不敏感，即“改你的解说词不影响我走路”，CoT 不忠实。

原始思维链模型本来生成的、未经改动的那段推理文本
$\text{CoT}_{\text{original}}$
扰动思维链经过删除、替换或翻转关键步骤后的文本
$\text{CoT}_{\text{perturbed}}$
条件概率给定某段思维链文本时，模型最终给出该答案的概率
$P(\text{answer} \mid \text{CoT})$
差值判读绝对值大→步骤重要→较忠实；绝对值接近零→步骤可删→不忠实
$\Delta a$

推理偏差来源

导游为何口是心非？最常见的答案是“先做了再编理由”——心理学叫事后合理化。模型同样如此：内部先依据隐含表示快速产出答案，再倒推生成一段“听起来合理”的推理文本。

研究者归纳出CoT与真实推理偏差的三个主要来源。第一是事后合理化：模型先有答案，再“倒序编故事”，因此文本天然是答案的修饰物而非成因。第二是上下文捷径：提示语中出现“让我们一步步思考”这类触发词时，模型直接激活训练中学过的推理模板，生成貌似推理的文本，却不经过真实运算。第三是信息泄露：微调阶段CoT可能“记住”了训练集中正确推理的外在模式（步长、语体、用词），生成时照猫画虎，与实际计算毫无干系。

数学上可以用贝叶斯公式刻画这种不对称：

就像导游说“因为东门凉快才走东门”，真实驱动他的却是“东门有旧书摊”。语言上给出的是合理叙述，真实决策是另一套机制——CoT与内部推理的偏差，正是这种“叙述与动机”的分离。

\displaystyle P(a \mid \text{cot}) = \frac{P(\text{cot} \mid a) \cdot P(a)}{P(\text{cot})}

若 P(cot|a) 远大于 P(a|cot)，说明 CoT 更可能是“答案的事后描述”而非“答案的成因”——这正是事后合理化的典型标志。

先验概率不考虑CoT时，答案 $a$ 本身出现的概率
$P(a)$
边际概率思维链文本在所有情况下出现的整体概率
$P(\text{cot})$
生成概率给定答案后，模型能“编出”这段CoT的条件概率——事后合理化模型中这个值很高
$P(\text{cot} \mid a)$
解释概率看到CoT后模型真的给出答案 $a$ 的条件概率——我们期待它是推理依据，实际可能只是修饰
$P(a \mid \text{cot})$

忠实践事检测

老练的游客无法对每位导游都做跟踪实验，于是总结出一套“话术识别清单”：听到某些套话、看到言行矛盾，就能判断讲解不可全信。忠实践事检测正是想自动化这套识别流程。

检测的目标是：不逐一做扰动实验，而是利用CoT文本与模型内部信号之间的统计一致性，快速给出忠实度分数。典型特征包括：删除敏感性（删除某步后输出波动大小）、logit一致性（CoT声称的结论是否与模型logits最大项一致）、模板化程度（是否大量套话或重复话术）、归因重叠度（CoT提到的重要特征与梯度归因高权重特征的重合比例）。将这些特征加权组合，得到一个连续分数：

话术识别清单把“讲解是否可信”变成可计算的分值，检测系统也这样给每条CoT贴一个可信度标签。低分CoT被自动标记“仅供参考”，避免误导下游用户。

\displaystyle H(\text{cot}, a) = \sum_{j} w_j \cdot \phi_j(\text{cot}, \text{logits})

H 分数越高，表示 CoT 与内部信号越一致。当 H 低于阈值时，解释系统应提示“此CoT仅供参考”，而不是直接展示给用户。

特征函数第 $j$ 个一致性特征，例如删除敏感性或归因重叠度
$\phi_j(\text{cot}, \text{logits})$
特征权重每个特征的重要程度，可通过验证集学习或人工设定
$w_j$
内部logits模型输出的原始未归一化分数，代表内部计算的真实倾向
$\text{logits}$
加权汇总把所有特征分数乘上权重再求和，得到可比较的忠实度标量
$\sum_{j} w_j \cdot \phi_j$

可信增强策略

既然不能完全信任导游的口头讲解，就用制度约束他：出发前让他提交三条模拟路线，多数一致才通行；或者装一个“路线记录仪”，逼他说到做到。CoT的增强策略同样是制度化的。

具体有三条路径。CoT多样化采样：同一问题采样N条CoT，最终答案取多数投票，过滤掉单次“编故事”的偶然偏差。一致性验证：把CoT与答案一起送入一个校验模块，检查其中的逻辑步骤能否真正推出结论，推不出就拒绝。训练约束：在微调或RLHF阶段，以“删除CoT步骤后输出保持不变”作为惩罚信号，强迫模型生成更贴合真实计算路径的CoT。

多数投票的数学表达很直观：

多问几位导游、交叉比对路线解释，再对不上就换人——这就是“制度化”的可信增强。它不能让每个导游都诚实，但能让集体的回答更可靠。

\displaystyle a_{\text{final}} = \arg\max_{a} \sum_{k=1}^{N} \mathbb{1}\{ \text{CoT}_k \Rightarrow a \}

用 N 条采样思维链做一致性投票。只有“怎么也编不圆”的推理会被淘汰，偶然的错误叙述因此被压制。

采样条数一次生成多少条候选CoT，实践中常用 5 或 10
$N$
推理关系第 $k$ 条思维链经过逻辑推导能够推出答案 $a$
$\text{CoT}_k \Rightarrow a$
指示函数括号内命题为真记1，为假记0，用来统计票数
$\mathbb{1}\{\cdot\}$
多数投票从所有答案中选出得票最高的那个作为最终输出
$\arg\max_{a}$

替代解释方法

如果导游的嘴不可靠，干脆别听他说，直接调监控看他的双脚轨迹——这就是“不靠叙述”的解释方法，直接观察内部计算本身。

替代CoT的解释方法有三种主流方向。输入梯度归因：对输入每个token计算损失或输出对它的梯度，得到一张重要性热力图，直观看到哪些词在驱动预测。注意力分析：提取注意力权重，观察token之间的关联强度——但注意力不等于因果，只能作为辅助信号。探针方法：训练一个轻量分类器读取模型内部某一层的hidden state，判断该状态编码了哪类信息，从而定位决策所依赖的特征。

以最简单的梯度归因为例：

监控录像不如导游讲解生动，但每一帧都是铁证。归因、注意力和探针正是这类“录像”，它们绕过语言包装，直击计算现场——代价是缺少了语言叙述的流畅感，需要读者具备一定的技术解读能力。

\displaystyle R_i = \varepsilon_i \cdot \frac{\partial \mathcal{L}}{\partial x_i}

R_i 表示第 i 个词元在本次预测中的贡献。正值表示“支持该答案”，负值表示“抑制该答案”，绝对值为重要程度。

微小扰动对第 $i$ 个输入token嵌入施加的一个极小扰动值
$\varepsilon_i$
梯度方向预测损失对第 $i$ 个token嵌入的偏导数，反映该token对损失的影响方向与强度
$\frac{\partial \mathcal{L}}{\partial x_i}$
归因分数两者相乘得到该token的贡献值，正负号代表支持还是反对
$R_i$

AI 应用场景

AI安全审计中的CoT验证

阶段：模型安全评估与审计

解决的问题：安全审计中，团队依赖CoT判断大模型是否按规则行事（如拒绝恶意请求）。但CoT可能只是“事后编的漂亮话”，掩盖真实行为。引入反事实扰动实验后，审计师可以批量删除或篡改CoT关键步骤，观察行为是否随之变化，从而识别“说一套做一套”的隐蔽决策，避免被伪装成善意的CoT欺骗。

具体案例：审计某客服大模型时，审计师将CoT中的“检测到用户诱导→拒绝回答”改为“继续提供答案”。若模型仍拒绝回答，说明该CoT不忠实，需要进一步排查模型的真实决策依据；若模型改为配合，则说明CoT确实引导了行为。

可解释性系统设计

阶段：解释系统设计

解决的问题：直接把CoT文本抛给用户，用户会误以为是模型真实推理，造成信任误判。XAI平台集成忠实践事检测模块，为每条CoT给出忠实度评分，低分CoT自动附加“请谨慎参考”提示，并搭配梯度归因图作为佐证，让解释界面呈现多源信息而非单一生硬的叙述。

具体案例：某医疗辅助诊断助手在给出建议时，医生可同时看到CoT忠实度分数与归因热力图。当忠实度低于0.3时，界面优先展示归因图而非CoT，避免“听起来合理但实际不可靠”的文字误导临床判断。

RLHF对齐训练中的忠实性奖励

阶段：模型训练与对齐

解决的问题：人类偏好流畅文本，标准RLHF容易让模型生成“越好听越不忠实”的CoT。将“CoT删除敏感性”作为辅助奖励信号纳入训练，低敏感度的CoT被降分，逼迫模型写出的推理过程更贴近真实计算，从源头缓解“先答后编”顽疾。

具体案例：对齐团队在奖励模型中加入忠实性项：采样一批CoT，随机删除其中一句关键词后让模型重新计算答案，若答案不变则扣减该CoT的奖励。数万步训练后，模型生成的CoT与梯度归因的重合度显著提升，审计抽检中“说一套做一套”的比例下降逾四成。

Python 演示

python51 行

import numpy as np class FaithfulnessDemo:    """思维链忠实性演示：内部计算与 CoT 文本的分离"""     def __init__(self):        # 内部真实决策权重（外部不可见，模拟模型内部计算）        self.real_w = np.array([2.0, -1.5, 0.3, 0.2])     def internal_decision(self, x):        # 内部计算：logistic 回归，代表模型真实预测分布        logit = x @ self.real_w        return 1.0 / (1.0 + np.exp(-logit))     def claimed_cot(self, x):        # 模型生成的事后解释：不反映真实权重，只给一个常见理由        if self.internal_decision(x) > 0.5:            return "因为第3个特征数值较大，所以判定通过"        return "因为第3个特征数值较小，所以判定拒绝"     def counterfactual_perturb(self, x, idx):        # 反事实扰动：抹除第 idx 个特征后重新计算内部概率        x2 = x.copy()        x2[idx] = 0.0        return self.internal_decision(x2)     def faithfulness_check(self, x, claimed_idx):        # 忠实性检测：删除声称特征前后内部概率变化量        base = self.internal_decision(x)        after = self.counterfactual_perturb(x, claimed_idx)        return abs(base - after)  demo = FaithfulnessDemo()x = np.array([1.2, -0.8, 2.1, 0.5])base = demo.internal_decision(x) print("内部判决概率(基准):   %.3f" % base)print("CoT 声称文本:        ", demo.claimed_cot(x)) # 真实高权重特征为第0维，CoT声称的是第2维delta_real = demo.faithfulness_check(x, 0)delta_claimed = demo.faithfulness_check(x, 2) print("删除真实关键特征(0):  概率变为 %.3f, 变化 %.3f" % (demo.counterfactual_perturb(x, 0), delta_real))print("删除CoT声称特征(2):  概率变为 %.3f, 变化 %.3f" % (demo.counterfactual_perturb(x, 2), delta_claimed)) if delta_claimed < delta_real * 0.3:    print("=> 检测结果: CoT 声称的关键特征几乎不影响内部计算，CoT 不忠实")else:    print("=> 检测结果: CoT 与内部计算有一定一致性")

目的：用4维特征的逻辑回归模拟“大模型内部计算”，用一个固定话术模拟“CoT文本”，通过反事实扰动对比哪个特征真正影响预测，直观演示CoT不忠实的检测逻辑。

self.real_w = np.array([2.0, -1.5, 0.3, 0.2])模拟模型内部决策权重。真实计算只有这一份，外部观察者看不到。
logit = x @ self.real_w内部计算把输入与权重做点积，模拟大模型内部线性变换。
if self.internal_decision(x) > 0.5:模型先“想好答案”，再根据答案编理由，体现事后合理化。
x2[idx] = 0.0反事实扰动：把某个特征“抹掉”，模拟删除CoT中的关键步骤。
delta_real = demo.faithfulness_check(x, 0)删除真实高权重特征，看内部概率变化大不大。
delta_claimed = demo.faithfulness_check(x, 2)删除CoT声称的特征，看内部概率变化。
if delta_claimed < delta_real * 0.3:启发式判断：若声称特征的变化远小于真实特征，则判定CoT不忠实。

常见误区

误区大模型既然把思考过程完整写出来了，我就可以放心地依赖它来理解模型的决策逻辑。它就像一份计算日志一样真实可信。

正解CoT是模型为满足文本生成目标而生成的叙述文本，目标不是记录真实计算。大量实验证明，删除或篡改CoT的关键步骤后，模型的最终输出常常不变。CoT更像导游的讲解词，可能包含大量“节目效果”，不能等同于决策引擎的日志。

为何常见：我们天生倾向把语言叙述等同于思维过程——这正是CoT文本让人产生“透明感”的诱人之处，也是最危险的错觉来源。

误区既然修改CoT后模型输出不变，那CoT就是一堆废话，应该彻底放弃这条技术路线。

正解扰动实验揭示的是“不忠实”，不是“无作用”。CoT作为提示策略确实能显著提升模型的推理表现——它能改变模型输出的概率分布。但“提升性能”不等于“忠实描述计算”：CoT可能像一个有用的计算脚手架，帮助模型一步步组织状态，而模型并不逐字执行其中的每句断言。

为何常见：把“因果作用”与“忠实描述”混为一谈，是新手最容易犯的概念混淆。

误区模型答对了，而且CoT写出了正确的推导，那这次推理就是可靠、可复用的。

正解“答对了”只能说明模型具备解题能力，不能说明CoT忠实。模型完全可能用模式匹配直接命中答案，再包装一段优雅的推导过程。判断解释可信度要看过程本身——扰动实验、梯度归因、逻辑链一致性，而不是只看最终结果对不对。

为何常见：结果偏见是人类的认知天性，在评估AI解释质量时，同样容易陷入“结果论英雄”的陷阱。

误区在提示词里加一句“请一步步仔细思考”，让模型多输出几步推理，CoT就更忠实。

正解简单重复提示只会得到更长的CoT，而研究表明文本长度与忠实度没有必然正相关。真正有效的是机制层面的约束：多采样一致性投票、删除敏感性训练、利用内部状态设计监督信号。单纯加长叙述，反而可能提供更多“听起来合理但无关”的理由。

为何常见：直觉上“思考更仔细=更真实”，但语言模型的目标函数与“忠实计算日志”之间并无绑定关系。

误区既然CoT不忠实，那就只使用梯度归因来解释模型，彻底抛弃CoT。

正解梯度归因同样存在噪声和梯度饱和等局限，而且数字化的热力图对普通用户极不友好。最佳实践是组合多种信号：CoT提供结构化叙述，归因方法提供数值佐证，扰动实验提供因果证据，多信号交叉验证才是稳健的解释策略。

为何常见：非此即彼的二元思维——发现一种方法有缺陷就全盘否定，忽略不同解释方法在不同维度上互补。

面试题

Q1. 关于思维链（CoT）的主要目标，下列哪一项说法正确？

单选题 · easy

A.记录模型内部的逐层计算日志
B.生成自然语言推理文本以辅助决策← 正确答案
C.用推理文本替代模型全部内部计算
D.保证注意力权重均可解释输出

答案：B。CoT是模型在输出答案前生成的中间推理文本，本质属于提示策略，目标不是记录内部计算日志。选项A是常见误解，C夸大了CoT的角色，D与CoT无关。

Q2. 反事实扰动实验中，若删除CoT中的关键步骤后模型输出不变，说明什么？

单选题 · mid

A.CoT步骤高度忠实于内部计算
B.模型依赖CoT做出最终决定
C.CoT对该预测不忠实于真实算← 正确答案
D.模型完全没有理解输入文本

答案：C。关键步骤被删除但输出不变，说明模型并未真正依赖该步骤的描述，CoT与真实计算脱节——这正是“不忠实”的核心表现。A和B与实验结果相反，D属于过度推断。

Q3. CoT与真实推理偏差的主要来源是？

单选题 · mid

A.事后合理化与上下文捷径← 正确答案
B.模型过拟合训练集标签
C.注意力权重数值过小
D.神经元梯度消失问题

答案：A。CoT偏差的重要原因包括：模型先产生答案、后编造理由（事后合理化），以及利用提示词触发浅层模式（上下文捷径）。注意力权重和梯度问题不是CoT偏差的主要来源。

Q4. 下列哪些方法可用于验证或增强CoT的可信度？

多选题 · hard

A.反事实扰动删除关键步骤← 正确答案
B.多次采样CoT取多数答案← 正确答案
C.直接观察模型隐藏层状态
D.用梯度归因交叉比对CoT声称← 正确答案

答案：ABD。扰动实验能检测不忠实（A），多次采样自洽性投票能增强稳健性（B），梯度归因可交叉验证CoT声称的依据（D）。C属于替代解释手段，不是增强CoT可信度的方法。

Q5. 理解CoT局限后，为何CoT仍然有实用价值？

单选题 · mid

A.增强推理表现但非忠实描述← 正确答案
B.完全没有实际的应用价值
C.可忠实展示内部计算细节
D.替代所有其他解释方法

答案：A。CoT作为提示策略确实能提升推理性能，但其价值是“帮助组织计算”而非“忠实记录计算”。“有用但不一定忠实”这一区分，是理解CoT局限性的关键。

Q6. 下列哪项是忠实践事检测的核心思路？

单选题 · easy

A.检查CoT文本是否有错别字
B.检验CoT与内部信号的一致性← 正确答案
C.将CoT翻译成另一种语言
D.计算CoT文本的信息熵值

答案：B。忠实践事检测通过比较CoT文本与模型内部信号（如logits、梯度归因）的一致性来识别不忠实。检查错别字、翻译或计算信息熵都与忠实性无关。

Q7. 贝叶斯公式中，事后合理化模型主要体现在？

单选题 · hard

A.答案先验概率始终接近零
B.答案事后编造概率畸高← 正确答案
C.思维链整体概率异常大
D.条件概率呈均匀分布

答案：B。如果模型先答后编（事后合理化），那么给定答案编造CoT的概率很高，而给定CoT得到答案的因果概率不高，即 P(cot|a) 远大于 P(a|cot)。这是CoT作为“事后描述”而非“成因”的典型信号。

Q8. 下列哪些判断CoT忠实性的启发式特征合理？

多选题 · easy

A.删除关键步骤后输出变化大← 正确答案
B.CoT断言与梯度归因背离← 正确答案
C.CoT文本越长就越加忠实
D.CoT出现模板套话要警惕← 正确答案

答案：ABD。删除敏感性和与梯度归因是否一致，都是忠实性检测的可靠依据。模板套话通常暗示生成式叙述而非真实计算日志。C是错误直觉——文本长度与忠实度无必然关系。

Q9. 下面哪句话准确反映了思维链与真实推理的关系？

单选题 · mid

A.思维链是模型的真实计算日志
B.思维链是模型生成的解释性叙述← 正确答案
C.思维链与内部计算始终保持一致
D.思维链决定模型的所有输出判断

答案：B。CoT的本质是模型依据语言模型目标生成的叙述文本，并不天然等于内部计算过程。这与“导游的讲解词”比喻一致：讲出来的故事不等于实际走的路线。

Q10. 为什么模型安全审计不能只依赖CoT？

多选题 · hard

A.CoT可能掩盖模型的真实决策依据← 正确答案
B.CoT文本可能比真实计算更显合理← 正确答案
C.攻击者可操纵CoT伪装善意行为← 正确答案
D.CoT是唯一可靠的内部窥探窗口

答案：ABC。CoT的首要问题是不忠实（A），而且生成式文本常比真实计算更“貌似合理”（B），攻击者可以利用这一点生成无害CoT掩盖恶意意图（C）。D是错误判断——归因、探针等方法提供了更直接的内部观测手段。