Alignment Tax: почему самокоррекция LLM чаще ломает ответ, чем исправляет его

Просишь модель проверить свой ответ — точность падает. Добавляешь строгую структуру диагностики — падает ещё сильнее: с 50% до 38%. При этом 96 из 100 диагнозов первого раунда звучат как «ошибка форматирования» — даже когда реальная проблема в логике. Метод смены угла атаки позволяет получить реальную коррекцию вместо обоснования первой ошибки. Фишка: не проси «проверь» — проси «найди одну корневую причину провала». Вектор генерации меняется — модель ищет проблему, а не защищает первый ответ.