ProcLLM: процедурное знание для сложных задач

Парадокс: Модель на 70 миллиардов параметров с декомпозицией обгоняет модель на 120 миллиардов без неё. Причина: LLM проваливается на сложных многошаговых задачах потому что пытается держать весь план в голове сразу — где забронировать отель, какой рейс выбрать, не конфликтуют ли даты. Чем больше деталей, тем хуже результат. ProcLLM позволяет решать сложные задачи с зависимостями (планирование поездки, запуск продукта, организация мероприятия) где нужно учитывать последовательность и не забывать детали. Фишка: метод разбивает задачу на иерархическое дерево — большая задача → подзадачи → конкретные действия. На каждом шаге модель видит только текущую подзадачу и узкий контекст для неё. После каждого действия — явная проверка завершения. Точность растёт потому что модель не отвлекается на шум остальных частей задачи.