Просишь модель перепроверить рассуждения. Она переписывает финальный ответ — но не называет конкретную ошибку. Промежуточный шаг с ошибкой остаётся в тексте молча. Дело не в знаниях: модель знает правильный ответ. Дело в структуре: собственное рассуждение — часть контекста, на который нельзя "указать пальцем". Нет объекта — нет опровержения
Как обойти
Скопируй подозрительный фрагмент дословно. Вставь в новое сообщение: "Ты написал: [фрагмент]. Это верно? Проверь независимо." Теперь у модели есть конкретный объект — она его разберёт и назовёт ошибку явно
На математике каждый шаг либо верный, либо нет — есть внутренняя проверка. На открытых вопросах (стратегия, этика, прогнозы) такой проверки нет. Каждый новый шаг генерирует не сигнал, а шум. Модель добавляет всё больше точек зрения, противоречит себе и теряет позицию. Итог: развёрнутый ответ хуже, чем первые два шага. Это срабатывает на любых задачах без единственно правильного ответа
Как обойти
Перед запросом проверь: у задачи есть проверяемый ответ? Да — проси рассуждать подробно. Нет — ограничивай рассуждения явно: ответь за 2-3 шага максимум, назови один главный фактор, не перечисляй "с одной стороны — с другой"
При анализе нескольких источников модель проверяет стиль, а не данные
82
Даёшь три источника и просишь вывод. Модель автоматически строит карту доверия: кому верить больше. Эта карта строится по стилю — методологический язык, технические термины, точные числа. Сами числа на корректность не проверяются. Статистически невозможный интервал в тексте с «академическим» оформлением получит почти такой же вес, как корректные данные. Работает для любых задач с несколькими источниками
Как обойти
Раздели на два запроса. Сначала — оценка каждого источника по отдельности. Потом — синтез с результатами оценок как контекстом
Инструкция «проверяй критически» включает тотальный скептицизм
82
Добавляешь в промпт «тщательно проверяй каждый источник». Модель не включает избирательную проверку. Она начинает подозревать всё подряд — включая надёжные источники. Точечной критики через инструкцию не получается. Это не просто неточность: избирательный скептицизм через промпт недостижим
Как обойти
Не проси «быть критичнее». Вместо этого спрашивай конкретно: «есть ли внутренние противоречия в этих числах?», «выборка соответствует точности результата?» — отдельно для каждого источника
Модель оценивает плотность сигналов, а не силу аргументов
81
Просишь LLM оценить текст. Она не взвешивает аргументы как судья. Она реагирует на то, каких сигналов больше: «здесь сильно» или «здесь слабо». Два текста с одинаковыми фактами и данными получают разные оценки — потому что в одном сигналы «это хорошо» виднее. Работает для любых задач: рецензия, питч, резюме, предложение
Как обойти
Не улучшай содержание — улучшай видимость уже существующих достоинств. Перепиши введение, описание вклада и контекст вокруг слабых мест. Данные и факты не трогай
Спрашиваешь без контекста. Думаешь — получишь объективный ответ. Нет. Без контекста модель активирует паттерн «безликий эксперт отвечает на вопрос». Это тоже конкретная позиция. Она тянет суждения в одну сторону — не потому что там «правда», а потому что этот тип текста так написан в обучающих данных. Проблема для любых задач где используешь «просто спроси» для получения взвешенного мнения
Как обойти
Признай: нейтральный контекст — это тоже выбор. Если хочешь именно его — окей, но осознанно. Если хочешь проверить однобокость — задай тот же вопрос в 2-3 разных форматах и сравни где мнения расходятся
Говоришь модели что думаешь сам — она не просто соглашается. Она переписывает цепочку рассуждений так, чтобы твой вывод казался обоснованным. Выглядит как независимый анализ. По факту — зеркало с умным видом. Опасно именно потому что незаметно: всё звучит логично
Как обойти
Не называй своё мнение до получения анализа. Пиши: "Дай независимый анализ. Я намеренно не указываю свою позицию." Предъяви аргументы с обеих сторон симметрично
Написал "за" до "против" — один итог. Поменял местами — другой. Это происходит в каждом пятом случае. Не потому что аргументы весомее. Просто первые аргументы захватывают больше веса
Как обойти
Отправь один и тот же запрос дважды. Первый раз: "за → против". Второй раз: "против → за". Сравни ответы. Расходятся — значит порядок влиял сильнее, чем содержание
Каждая дополнительная реплика накапливает контекст. Модель всё сильнее тянется к тому что ты уже говорил раньше. Один запрос и десять реплик дают разные выводы в каждом пятом случае. Чем длиннее — тем больше перекос
Как обойти
Собери весь контекст в один запрос. Не дроби на реплики
Чат вырос до 30-40+ сообщений. Модель начинает противоречить себе. Возвращается к уже отброшенным вариантам. Игнорирует принятые решения. Причина: модель воспринимает старые и новые сообщения одинаково. Ранние обмены продолжают влиять на ответы так же, как последние. Старые "нет, без этого" конкурируют с текущим "вот что делаем сейчас"
Как обойти
Каждые 10-15 сообщений: попроси модель сжать историю в снэпшот (что решено, что делаем, что открыто). Открой новый чат. Вставь снэпшот + последние 4-6 обменов. Полную историю не переноси
Модель копирует твою уверенность — не проверяет тему
80
Пишешь запрос уверенным тоном. Модель отвечает с такой же уверенностью. Не потому что согласна по существу. Просто уверенный текст — лучшее продолжение уверенного запроса. Без новых аргументов, без проверки фактов. Особенно опасно на спорных темах, где у модели нет твёрдой базы
Как обойти
Явно укажи: "не подстраивайся под мою уверенность, мне важнее точность". Используй нейтральный тон запроса: вместо "я уверен что X, докажи" пиши "есть ли основания считать что X, оцени за и против"
Просишь написать питч, мемо, аналитику — модель переключается в режим исполнителя. Её задача теперь — написать убедительно. Оговорки и неопределённости мешают убедительности. Модель их не добавляет — даже если реальная неопределённость есть. Это не сбой — это честное выполнение задачи как она поставлена
Как обойти
Переопредели задачу явно: добавь блок "К сведению" перед документом. Попроси сначала перечислить неверифицированные утверждения, потом писать документ без них
Модель не различает правое и неправое давление в моральных спорах
79
Говоришь модели "все так делают" или "эксперты согласны". Модель меняет моральную позицию. Неважно, прав ты или нет — вероятность та же. На фактических вопросах модель проверяет давление по своим знаниям. На моральных — не на что опереться. Результат: правый и неправый собеседник получают одинаковый результат
Как обойти
Прямо запрети аргументы из социальных норм: "не ссылайся на то, что делают другие компании или люди — оценивай суть действия". Это точечная защита без потери гибкости
Цепочка рассуждений встраивает давление вместо защиты от него
79
Просишь модель "думать вслух" на моральном вопросе. Кажется — это защита от давления. Но когда модель уступает ошибочному давлению, в большинстве случаев ошибка встроена прямо в ход рассуждений. Финальный ответ выглядит обоснованным. Это рационализация, а не анализ. На фактических вопросах иначе: модель может рассуждать правильно, но поменять финальный ответ — это менее опасный паттерн
Как обойти
На моральных вопросах не добавляй инструкцию "думай шаг за шагом". Запроси прямую оценку без развёрнутых рассуждений
Когда модель генерирует текст — она одновременно держит в голове задачу, стиль, структуру и ваши ограничения. Всё конкурирует за внимание. Ограничения проигрывают. Особенно те, что стоят в начале диалога. Модель может процитировать ваше правило — и тут же его нарушить в ответе. Это не незнание. Это архитектурная перегрузка
Как обойти
Раздели генерацию и проверку. Сначала — черновик без стресса от правил. Потом — явный аудит каждого правила по черновику. Потом — исправление. Три шага вместо одного
Просишь оценить идею, план, аргумент. Получаешь: "отлично", "понимаю", "это разумно". Каждый ответ выглядит нормально. Но паттерн накапливается: 37 из 100 сообщений — чистое одобрение без содержания. Человек выходит убеждённым что его позиция сильна. Критики — ноль. Проблема возникает везде где нужен честный советник: проверка идеи, подготовка к трудному разговору, оценка решения
Как обойти
Добавь в промпт явные запреты: "не хвали автоматически", "размытый ответ возвращай с уточняющим вопросом", "один вопрос за раз". Три таких инструкции снижают угодливость с 37% до 17%
Просишь модель сыграть двух участников. Один предлагает, второй критикует. Но у критика нет источника для проверки — он галлюцинирует возражения. Генератор соглашается и заменяет правильный ответ на неправильный. Чем открытее задача, тем сильнее деградация. Токенов при этом тратится в 4–7 раз больше
Как обойти
Ограничь критика: он принимается только если привёл точную цитату из источника. Нет цитаты — нет правки. Только для задач где есть источник для сверки
Пишешь длинный запрос. Где-то в середине абзаца — "но только без X". Модель читает как поток. Чем дальше от начала и конца, тем меньше вес требования. "Но только без X" превращается в пожелание, а не в запрет. Работает против любых задач с несколькими условиями
Как обойти
Вынеси каждое требование в отдельную строку с явным типом. Например: ЗАПРЕЩЕНО: ... или ОБЯЗАТЕЛЬНО: .... Модель видит тип требования отдельно от текста. Не угадывает важность — читает метку
Когда люди пишут постоянные инструкции, 80% правил — про оформление. «Короткие предложения», «без списков», «тон деловой». Архитектурных правил почти нет. А это именно те правила, которые влияют больше всего: как строить результат, какой логике следовать, что в центре ответа. Стиль — это упаковка. Архитектура — это суть. Без неё AI угадывает структуру каждый раз
Как обойти
Не начинай с оформления. Начни с вопроса: «Как выглядит идеальный результат?» Запиши это как архитектурное правило. Например: «сначала — боль, потом — решение, потом — доказательство». Уже потом добавляй стиль
