Таксономия рассуждений LRM: как модели думают при генерации кода

Парадокс: LRM лучше справляются с простыми и сложными задачами генерации кода, а вот на средней сложности проваливаются. Исследователи раскрыли внутреннюю механику — построили таксономию из 15 действий в 4 фазах (требования → планирование → код → рефлексия), которые модели проходят от получения задачи до финального кода. Фишка: самая сильная корреляция с правильностью — создание unit tests самой моделью (+0.15), но модели врут в ожидаемых результатах тестов. Это не техника промптинга, а карта поведения моделей — но из неё можно извлечь принципы: явно структурируй промпт по 4 фазам, проси создавать тесты, давай максимум контекста.