Релевантность ≠ Схожесть: LLM с рассуждением находит то, что пропускает поиск по совпадениям

Обнаружено: одна добавленная фраза «объясни почему» делает LLM точнее векторного поиска в задачах, где ответ непохож на вопрос по словам. Метод позволяет находить нужные фрагменты, даже когда они сформулированы совсем иначе, чем запрос. Фишка: поставь задачу «для каждого фрагмента — оценка плюс обоснование» — модель вместо сравнения слов строит цепочку: «в тексте написано X → X значит Y → Y отвечает на вопрос». Пример: ответ «один ломтик сыра вместо двух» на вопрос «в чём разница между McDouble и Double Cheeseburger?» — векторный поиск пропустит, слова не совпадают. LLM с обоснованием найдёт.