3,583 papers
arXiv:2601.02989 89 6 янв. 2026 г. PRO

System-2 Counting: преодоление архитектурного предела подсчета через разбиение на части

КЛЮЧЕВАЯ СУТЬ
Обнаружено: LLM катастрофически плохи в подсчёте больших списков — не из-за незнания чисел, а из-за архитектуры. Модель не хранит счётчик как переменную count = 17, информация размазана по слоям трансформера. До 10 элементов это работает чётко, после 20 начинается компрессия, после 30-40 — слои физически насыщаются и точность летит в пол. System-2 Counting позволяет считать списки из 50+ элементов с точностью 95% вместо 5% — даже в моделях с 28-32 слоями. Фишка: разбей список на части по 5-10 элементов через разделитель |. Модель считает в каждой части отдельно (это её надёжная зона), промежуточные результаты выводит как текст ('part 1: 4, part 2: 6'), потом суммирует через рассуждение. Один промпт, три этапа внутри.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с