Слепые пятна LLM: где модели обыгрывают людей — и где проигрывают

Средний балл — это ложь. Студент и ChatGPT могут набрать одинаково на экзамене, но ошибиться в совершенно разных местах. Знание этой карты позволяет передавать задачи туда, где LLM надёжнее среднего человека — и добавлять подстраховку там, где она гарантированно поплывёт. Правила без интуитивных ловушек — сильная зона. Длинные зависимые цепочки без встроенного самоконтроля — слабая. Исследователи Вейцманновского института применили психометрический метод поиска несправедливых вопросов в экзаменах — и развернули его против шести LLM на данных 5700+ человек. Результат: системная карта, а не гадание.