TL;DR
Когда спрашиваешь LLM о чём-то, что менялось со временем — законах, налогах, требованиях, стандартах — модель часто применяет не ту версию. Либо устаревшую (правила изменились после даты обучения, но модель этого не знает), либо слишком новую (спрашиваешь о 2019 году, а модель применяет нормы 2024-го). Это не случайные ошибки — это два системных сбоя: сталость и смещение к новизне.
Причина — в том, как模ель обучена. Она видела тысячи текстов о правилах, но свежие версии встречались чаще: их больше переиздавали, цитировали, обсуждали. Модель их и запомнила лучше. Когда ты спрашиваешь про 2021 год, она всё равно "тянется" к тому, что знает лучше всего — к последней редакции.
Самое контринтуитивное: включить веб-поиск не поможет, а для исторических вопросов — навредит. Поисковик находит самые свежие документы, что усиливает смещение к новизне. Надёжно работает только одно: явно указать дату события и вставить нужный текст правила прямо в промпт.
Схема метода
Это исследование-находка. Практический вывод — одношаговая техника, всё в одном промпте:
Шаг 1: Укажи дату события → "Дата: [число, месяц, год]"
Шаг 2: Вставь текст правила → [скопируй нужную редакцию]
Шаг 3: Запрети другие источники → "Отвечай только по тексту выше"
Шаг 4: Задай вопрос
Пример применения
Задача: Владелец ИП выясняет, можно ли было в 2022 году учесть определённые расходы при расчёте налога по УСН "Доходы минус расходы" — правила с тех пор менялись
Промпт:
Дата события: 10 октября 2022 года.
Используй ТОЛЬКО следующий текст — статья 346.16 НК РФ
в редакции, действовавшей на октябрь 2022 года:
---
[вставить скопированный текст статьи из КонсультантПлюс
или Гарант в редакции на нужную дату]
---
Не опирайся на другие источники и свои знания об этой статье —
они могут отражать текущую редакцию, а не редакцию 2022 года.
Вопрос: можно ли было учесть расходы на покупку
программного обеспечения при расчёте налога?
Результат:
Модель ответит строго по вставленному тексту. Без вставки — с большой вероятностью применит текущую редакцию. Разница существенная: перечни расходов, лимиты и ставки меняются каждые 1-2 года. Ответ будет чётким: "да, можно" или "нет, такого пункта в редакции 2022 года не было" — с отсылкой к конкретному пункту вставленного текста.
Почему это работает
Слабость LLM — модель не хранит "историю версий" в голове. В её обучающих данных новые редакции документов встречались чаще старых: их переиздавали, цитировали, обсуждали. Поэтому когда ты спрашиваешь про прошлое, модель "вспоминает" то, что видела чаще — последнюю версию. Явное указание даты в промпте помогает слабо: модель читает подсказку, но "переключиться" не успевает.
Что модель умеет хорошо — рассуждать по тексту, который ты дал прямо в промпте. Если текст есть рядом, модель работает с ним, а не копается в памяти. Это надёжнее, чем полагаться на то, что "она должна знать".
Как исправить — вставить нужный текст вручную. Это ручная версия RAG (Retrieval-Augmented Generation — подход, при котором нужную информацию находят и вставляют в контекст модели). Ты сам находишь правильную редакцию документа на КонсультантПлюс, Гаранте или другом источнике — и передаёшь модели. Она работает по нему, игнорируя "память".
Рычаги управления: - Дата события — указывай всегда, даже если кажется очевидным - Запрет на другие источники — фраза "отвечай только по тексту выше" заметно повышает точность - Версия документа — уточни источник: "редакция, действовавшая на [дату]" - Веб-поиск в AI-инструментах — отключай для исторических вопросов: мешает, а не помогает
Шаблон промпта
Дата события: {дата_события}.
Используй ТОЛЬКО следующий текст — {название_документа}
в редакции, действовавшей на {дата_версии}:
---
{текст_правила}
---
Не опирайся на другие источники и свои знания об этом документе —
они могут отражать другую редакцию.
Вопрос: {вопрос}
Плейсхолдеры:
- {дата_события} — когда произошла ситуация: "15 марта 2021 года"
- {название_документа} — ст. 346.16 НК РФ, п. 3 ФСБУ 6/2020, Приказ № 157н
- {дата_версии} — версия, действовавшая на дату события
- {текст_правила} — скопированный фрагмент из КонсультантПлюс, Гарант, официального сайта
- {вопрос} — твой конкретный вопрос
🚀 Быстрый старт — вставь в чат:
Вот шаблон для вопросов о правилах, которые
менялись со временем. Адаптируй под мою задачу: {твоя задача}.
Задавай уточняющие вопросы.
[вставить шаблон выше]
LLM спросит дату события и попросит вставить текст нужной версии правила — потому что без этого модель использует то, что "помнит", а это может быть неправильная редакция.
Ограничения
⚠️ Нужен правильный источник: Метод работает только если ты нашёл и вставил нужную версию документа. Поиск нужной редакции — на тебе. КонсультантПлюс и Гарант позволяют смотреть исторические версии, но не всегда бесплатно.
⚠️ Без текста — слабо помогает: Просто указать дату в промпте недостаточно. Модели этого мало, чтобы "переключиться" на историческую редакцию. Нужен сам текст.
⚠️ Веб-поиск в AI-инструментах: ChatGPT с поиском, Perplexity, Copilot — для исторических вопросов эти инструменты скорее навредят. Поисковик находит свежие версии документов и усиливает смещение к новизне. Отключай поиск для вопросов о прошлых периодах.
⚠️ Сложные случаи с несколькими нормами: Если правильный ответ требует нескольких статей разных документов, причём каждая в своей редакции — вставлять нужно все. Иначе одна "устаревшая" норма перекроет правильные.
Как исследовали
Команда из Мюнхенского технического университета создала 312 юридических вопросов по немецкому законодательству — намеренно с подвохом. Часть требовала знания правил, изменившихся после даты обучения моделей (ChatGPT 5.1 и Claude Sonnet 3.7). Другая часть — наоборот: нужно было применить старую редакцию закона к прошлой ситуации, хотя более современная версия модели тоже знала. Всё это охватывало шесть разных отраслей немецкого права — чтобы не попасть на "хрестоматийные" случаи, которые наверняка есть в обучающих данных.
Отбор был жёстким: юристы отклонили больше половины из 697 сгенерированных вопросов. Главные причины — изменения оказывались редакционными, а не содержательными, или правильный ответ совпадал в обеих редакциях. До финала дошли только 312 пар, где версия закона реально меняла ответ.
Самый неожиданный результат: веб-поиск улучшил ответы на вопросы о новых правилах, но для исторических — заметно ухудшил. Поисковик находил самые свежие версии законов, и модели "перебивали" правильный исторический ответ текущей нормой. RAG с явной фильтрацией по дате ("давать только документы, действовавшие на эту дату") сработал лучше всего в обоих случаях. Вывод: дата должна быть жёстким ограничением, а не подсказкой.
Адаптации и экстраполяции
Принцип работает в любой области, где правила, стандарты или требования менялись со временем:
🔧 Бухучёт и налоги: При расчётах за прошлые периоды — вставляй ставки и статьи из редакции НК РФ, действовавшей тогда. Лимиты, ставки, перечни расходов меняются ежегодно.
🔧 Медицинские протоколы и клинические рекомендации: Стандарты лечения обновляются. Разбор случая из 2020 года — применяй протоколы 2020-го, не 2024-го.
🔧 IT-документация: При разборе кода на старой версии библиотеки или фреймворка — вставляй документацию именно той версии. Модель часто знает только текущий API.
🔧 HR и трудовые споры: Условия нормативных актов, например по расчёту отпускных или компенсаций, менялись. Вставляй редакцию ТК РФ, действовавшую на дату события.
Страховочный вопрос — если нет возможности найти и вставить текст, добавь в конец промпта:
Прежде чем ответить: какую редакцию этого документа ты используешь?
Если не уверен что у тебя актуальная информация
на {дата_события} — скажи об этом прямо.
Полностью проблему не решает, но помогает заметить когда модель "плывёт" и применяет не ту версию.
Ресурсы
Работа: "Asking For An Old Friend: Diagnosing and Mitigating Temporal Failure Modes in LLM-based Statutory Question Answering"
Датасет: github.com/TUMLegalTech/temporal_bias
Авторы: Max Prior, Andreas Schultz, Matthias Grabmair — Technical University of Munich (TUM), Германия
Конференция: ICAIL 2026, июнь 2026, Сингапур