Декларативная генерация кода: когда символьные решатели побеждают Chain-of-Thought

GPT-4o падает с 97% до 10% точности когда задача имеет миллионы возможных комбинаций. Логические пазлы, расчёты с десятками взаимосвязанных параметров, задачи где нужно перебирать варианты — модель начинает галлюцинировать и противоречить себе. Причина: LLM генерирует текст токен за токеном и не может откатиться назад. Если выбрала неверный путь — продолжает генерировать дальше, придумывая факты чтобы закрыть логические дыры. Символьные решатели переносят поиск решения из текстовой генерации в код: модель только переводит условия задачи в Python или Prolog, а библиотека (SymPy для уравнений, Constraint для логики) систематически перебирает варианты с возвратом назад при тупиках. Точность на сложных пазлах растёт с 10% до 89%.