LCA (Local Co-occurrence Activation): почему в Chain-of-Thought важны слова, а не логика

Парадокс: рассуждение CoT перетасовали в случайный порядок — точность почти не упала. Логическая цепочка шагов вносит лишь около 5% от всего прироста. Метод LCA позволяет получать 85–90% эффекта CoT без развёрнутых рассуждений — просто через список тематических слов перед задачей. Фишка: нужные слова «включают» правильную область знаний модели до генерации ответа — через совместное появление терминов в контексте. Добавь 10–15 слов из предметной области плюс 3–5 устойчивых пар — и модель отвечает как отраслевой эксперт, а не «в среднем по больнице».