Парадокс: дообучение на данных людей делает модель умнее — но одновременно передаёт ей человеческие слабости.

Парадокс: дообучение на данных людей делает модель умнее — но одновременно передаёт ей человеческие слабости. Фишка: эффект первичности после дообучения становится сильнее, а не слабее — самые мощные модели сильнее всего зацикливаются на начале списка. LLM читает перечисление как уставший редактор: первые пункты — с полным вниманием, остальные — по остаточному принципу. Метод позволяет управлять вниманием модели через простую сортировку: поставь важное первым — получишь ответ, сфокусированный на главном.