Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Позиционная хрупкость в больших языковых моделях: как эффекты смещения изменяют наше понимание рисков запоминания.
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
LLM обладают ПОЗИЦИОННОЙ ХРУПКОСТЬЮ – они непропорционально сильно фокусируются на первых токенах промпта, которые работают как якоря для извлечения информации. Если главная инструкция закопана глубоко в тексте, модель может "потеряться" и выдать бессвязный ответ. Первые слова промпта определяют успех всего запроса.