Явная цель в каждом шаге: почему модель, которая помнит финиш, обыгрывает ту, что думает только о текущем ходе

LLM теряет конечную цель из виду без явного напоминания — она генерирует на основе текущего контекста, и если финиш упомянут один раз в начале, к шагу пять он уже вытеснен. Метод явного отслеживания цели позволяет строить многошаговые цепочки так, чтобы каждый шаг двигал к финишу, а не просто делал что-то вроде бы полезное. Вставляй конечную цель в каждый промпт цепочки плюс проси модель явно оценить: насколько шаг приближает к финишу. В 32-игровом турнире между Gemini, GPT, Claude и Kimi в стратегической игре Risk это дало +27% завоёванных территорий — без смены модели, без дообучения.