Prompting Inversion: когда простые промпты работают лучше сложных

Парадокс: Детальные инструкции в промпте снижают точность продвинутых моделей. GPT-4o со строгими правилами: +4% точности (97% vs 93%). GPT-5 с теми же правилами: -2.4% точности (94% vs 96.4%). Чем умнее модель, тем меньше ей нужна внешняя структура. Исследование показывает: для новых моделей (Claude Sonnet 4, GPT-5, Gemini Ultra) простой промпт "Давай решим пошагово" работает лучше, чем детальные инструкции с запретами и ограничениями. Корень эффекта — переход от "перил безопасности" к "наручникам". Строгие правила вроде "используй ТОЛЬКО числа из задачи" спасают средние модели от житейской логики там, где нужна формальная математика. Но продвинутые модели уже научились правильно балансировать контекст и логику. Те же правила заставляют их буквализировать язык до абсурда: "та же цена" модель интерпретирует как "та же общая сумма?", а не очевидное "та же цена за единицу" — и отказывается решать задачу.