Lost in Conversation: как несовпадение интента ломает многоходовые диалоги с LLM

Обнаружено: LLM теряет 30-60% качества в многоходовых диалогах, но проблема не в длине контекста. Модель делает раннее предположение о твоей цели и застревает на нём, даже когда ты уточняешь. Феномен Lost in Conversation (LiC) объясняет почему приходится по 3-4 раза переформулировать запрос, и даёт способ исправить это. Корень в том, что модель угадывает намерение 'среднего пользователя' из обучающих данных. Но конкретные люди выражают мысли по-своему — одна и та же фраза для разных людей значит разное. Решение: разделить понимание интента и выполнение задачи. Промежуточный слой переформулирует расплывчатый запрос в чёткую инструкцию, опираясь на твои паттерны коммуникации. Затем модель выполняет задачу по ясному ТЗ — падение качества снижается с 60% до 15%.