«Цепочка рассуждений» не помогает классификации — и часто вредит

Парадокс: «Думай подробнее» — это буквально инструкция получить ошибку, если задача — классифицировать, категоризировать или оценить текст. Исследование TextReasoningBench позволяет точно знать: когда цепочка рассуждений помогает, а когда режет точность и тратит токены впустую. Прямой короткий промпт работает лучше, потому что классификация — это считывание паттерна, а не пошаговый логический вывод. Когда модель рассуждает вслух — особенно на субъективных задачах вроде тона или иронии — она переубеждает себя к неправильному ответу.