Perception Bottleneck: «думай по шагам» с изображением — ломает ответ

Парадокс: добавить «подумай по шагам» к сложному изображению — значит ухудшить ответ. Не улучшить. Исследование объясняет почему пошаговые рассуждения (CoT) ломаются на специализированных изображениях и даёт два приёма, которые устраняют сбой без дообучения. Фишка: CoT заставляет модель сначала описать изображение словами — и если это описание неточное, дальше она рассуждает от текста, а не от картинки. Каждый следующий шаг уводит от реального изображения, фиксируя раннюю ошибку всё глубже.