Руководство по LLM в моделировании: принципы против распространённых ошибок

Обнаружено: один и тот же граф дает 53.8% точности в одном формате и 19.8% в другом — математически это одни данные, но модель видит их по-разному. Руководство показывает как формат представления данных решает больше чем сам промпт, и дает набор принципов для работы с LLM в задачах моделирования. Ключевая находка: большинство проблем с LLM возникают не от слабости модели, а от того что мы неправильно подаем данные и строим промпты. Список соседей (a: [c], b: [c]) требует меньше шагов рассуждения для поиска связей чем список ребер (a→c, b→c, c→a) — отсюда разница в точности.