Явность запроса критична: модели проваливаются на косвенных формулировках и цепочках 5+ шагов

Исследование показало: LLM хорошо справляются с явными инструкциями ("найди рейс Москва—Стамбул 15 марта, цена до 30000₽"), но проваливаются на косвенных ("хочу недорого съездить в Турцию") — точность падает с 85% до 44%. TRAJECT-Bench протестировал топовые модели на 1228 реальных API (RapidAPI: путешествия, финансы, музыка, образование) и выявил три критичных слабости в использовании инструментов: путаницу между похожими инструментами, игнорирование параметров при выборе и неспособность удержат