SA-ICL (Schema-Activated In-Context Learning): обучение по аналогии через активацию ментальных схем

Дать LLM идеальный пример задачи — это лишь 60-70% пользы. Остальные 30-40% теряются, потому что модель не видит структурный паттерн — цепляется за поверхностные различия ("инвестиции" vs "маркетинг"), упуская что логика одна. SA-ICL решает проблему переноса знаний между внешне разными, но структурно похожими задачами. Метод создаёт явную схему задачи (категория → детали → фокус → цель), находит похожую из прошлого опыта и активирует — интегрирует найденный паттерн с текущей проблемой. Модель перестаёт угадывать связь, начинает работать с готовым шаблоном.