SciHorizon-GENE: четыре слабости LLM при работе со специализированными знаниями

Обнаружено: Когда у вопроса несколько правильных ответов, модель выдаёт только часть. Точность высокая (75-86%), но полнота проваливается — связь между ними почти абсолютная (корреляция 0.95-0.97). Фишка: модель называет то, в чём уверена, и молчит об остальном. Это не баг — это консервативная стратегия: лучше сказать меньше, но правильно. Проблема в том, что ты не знаешь, что получил только треть ответа. Решение — явно требовать полноту в промпте.