CoT для NLU: когда пошаговое мышление вредит пониманию текста

Парадокс: Chain-of-Thought считается золотым стандартом для LLM, но для задач понимания языка (NLU) — классификации, анализа тональности, определения сущностей — он снижает точность на маленьких моделях. Исследование показало: на моделях до 7B параметров CoT делает результат хуже на -0.05 в среднем. Метод позволяет улучшить точность классификации и анализа тональности на 1-2% просто меняя порядок ответа и объяснения. CoT заставляет анализировать весь текст последовательно, а NLU-задачи решаются ключевыми словами — модель запутывается в деталях и теряет суть. Rationalize (ответ → объяснение) стабильно обгоняет CoT (объяснение → ответ) для понимания языка.