TMK Prompting: декомпозиция задачи на «Зачем — Как — Что знаем»

Обнаружено: LLM на процедурных задачах полагаются на лингвистические паттерны — «звучит правильно» вместо «формально корректно». На символьных задачах без семантики (блоки с названиями типа «1jpkithdyjmlikck») модель теряется — нет знакомых слов, не за что зацепиться. o1 показала 31.5% точности. TMK (Task-Method-Knowledge) позволяет переключить модель от угадывания на основе вероятностей к формальной манипуляции — как при работе с кодом. Даёшь не текстовое описание задачи, а JSON-структуру из трёх слоёв: Task (зачем, цель), Method (как, шаги с явными зависимостями), Knowledge (что знаем о домене). Модель видит структуру с полями require, provides, given, makes — это похоже на псевдокод, где чёткая логика «if X then Y because Z». С TMK o1 выдала 97.3% — прирост 65.8 процентных пунктов.