Контент доступен только для PRO подписчиков
Чтобы получить доступ к полному содержанию этого исследования, оформите PRO подписку
Layer-Order Inversion: почему модели решают многошаговые задачи не так, как мы думали
КЛЮЧЕВАЯ СУТЬ
Адаптировать под запрос
Layer-Order Inversion — обнаруженный феномен в работе LLM: модель может "вспомнить" финальный ответ раньше, чем промежуточные шаги. Исследователи проверяли популярную гипотезу "hop-aligned circuits" — идею что модель решает многошаговые вопросы последовательно, слой за слоем (как "сначала вспомнить А, потом через А найти Б, потом через Б найти В"). Оказалось — это работает только на простых двухшаговых задачах.