Divide-and-Conquer + Few-shot: почему явные инструкции работают даже для reasoning-моделей

Reasoning-модели улучшаются на +9-16% точности, когда им ЯВНО прописывают алгоритм декомпозиции — хотя их обучали рассуждать самостоятельно. o4-mini: с 56.3% до 65.5%. Метод Divide-and-Conquer позволяет получать точные решения сложных многошаговых задач (анализ, расчёты, планирование) даже от базовых моделей, а reasoning-модели выжимает до предела. Превращаешь абстрактную задачу в конкретную последовательность операций: вместо "проанализируй идею" пишешь "шаг 1: рынок, шаг 2: экономика на основе шага 1, шаг 3: риски из шагов 1-2, шаг 4: вердикт". Few-shot примеры показывают КАК выглядит правильное выполнение — модель следует паттерну, а не импровизирует структуру.