Деградация многошагового рассуждения: как LLM теряют нить в длинных логических цепочках

Один шаг — 95% точности. Пять шагов подряд — уже 73% у лучших моделей и 13% у слабых. Каждый дополнительный шаг рассуждения бьёт по точности как снежный ком: чуть ошиблась на шаге два — к шагу пять уже работает с искажённой картиной мира. Метод явного состояния позволяет проверять сложные многоуровневые условия — юридические требования, правила маркетплейсов, критерии отбора — без накопленных ошибок. Фишка: заставь модель писать текущее состояние после каждого шага — оно попадает прямо в контекст и становится внешней памятью, которой у модели нет внутри. Следующий шаг начинается с чёткой картиной, а не с тем что «осело» из пяти абзацев назад.