Диагностика структурных провалов LLM: почему модели не могут извлекать связанные данные

Парадокс: LLM отлично видит отдельные факты ('корреляция = 0.85', 'переменные: возраст, доход'), но катастрофически путает что с чем связано — приписывает 0.85 не к той паре переменных, склеивает данные из разных анализов, меняет местами причину и следствие. При извлечении полных структур (5-6 связанных полей) надёжность падает почти до нуля. Исследование показало где именно ломается механика: модель генерирует таблицу последовательно, ячейка за ячейкой. Каждая ячейка локально правдоподобна, но глобальная структура рушится — значение из строки 3 'утекает' в строку 5. Решение: разбить извлечение на шаги — сначала списки элементов, потом привязка одного поля к одному элементу, потом проверка через цитату из текста.