Как научить LLM принимать разные точки зрения: сравнение CoT-методов

Проблема: LLM игнорируют инструкции типа 'ответь как консерватор' или 'с позиции студента' — выдают размытое 'это зависит от человека' вместо конкретного мнения. Это происходит потому что модели обучены на усреднённых ценностях и не умеют глубоко рассуждать с чужой позиции. Метод позволяет получать ответы с конкретной перспективы — протестировать маркетинг на разные аудитории, понять реакцию стейкхолдеров, подготовиться к переговорам. Фишка: чтобы модель ответила с ОДНОЙ позиции, заставь её рассмотреть аргументы с РАЗНЫХ сторон. Сначала 'за и против', затем финальный ответ согласно целевой перспективе. Исследование показало: RLVR-модели (обучение через reinforcement learning) превзошли остальные на 2-5% именно потому что в процессе рассуждения смотрят на задачу с нескольких углов — 'с одной стороны... с другой стороны...' — но вывод делают строго с заданной позиции.