Асимметрия обучения LLM: модели хорошо запоминают успех, но почти игнорируют провал

Люди меняют тактику после провала примерно в половине случаев. Лучшие LLM — в 20-25%. DeepSeek — в 3.5%. Это не баг конкретной модели. Все протестированные модели хорошо держатся за успех, но почти игнорируют провал. Техника явного разрыва позволяет получить реально новый вариант — а не шестую версию одного и того же. Фишка: не просто «неверно», а «неверно потому что [X], игнорируй предыдущее, начинаем с [Y]» — три части, которые убирают старый ответ из уравнения.