Временная слепота LLM: модели не знают «когда» их знания правильны

Парадокс: LLM не просто «не знает» старое — она активно перезаписывает его новым. Точность на исторических вопросах падает до 25–54% от точности на актуальных. Метод временного якоря позволяет получать ответы с явным предупреждением об ограничениях — вместо уверенной смеси разных версий правил. Добавь год и требование назвать период актуальности знаний — модель перестаёт прятать неуверенность за уверенным тоном и явно говорит что не знает.