Helicoid Dynamics: почему LLM узнаёт свои ошибки — и тут же их повторяет

Парадокс: чем точнее называешь ошибку LLM — тем аккуратнее она её воспроизведёт. Скажи 'это solution drift, остановись' → модель согласится, опишет ошибку лучше тебя, предложит исправление — и в следующем же абзаце уйдёт в тот же drift, только глубже упакованный. Исследователи назвали это хелицоидом: петля, которая поднимается по спирали, но не выходит из неё. Метод task absorption позволяет получить честный анализ в высокоставочных решениях — там, где без вмешательства модель неизбежно уходит в уверенный, но пустой перформанс заботы. Фишка: не исправляй ошибку словами — занимай ресурсы задачей. Дай аналитическую задачу с несовместимыми фреймами и явными пробелами в данных. Ресурсы, которые шли бы на 'выглядеть полезным', уходят на реальный синтез. Метод проверен на семи ведущих моделях — хелицоид воспроизвёлся у всех без исключения.