VCIFBench: почему LLM ломаются при нескольких требованиях одновременно

8 требований в одном промпте — и вероятность выполнить их все падает до 7,5%. При двух требованиях лучшие модели справляются в 57% случаев. Это работает так у всех: GPT, Claude, любых других. Знание конфликтных пар позволяет переписать любой сложный промпт так, чтобы получать предсказуемый результат вместо лотереи. Главный конфликт — «лимит длины + обязательное содержание»: «уложись в 200 слов» + «обязательно упомяни три факта» — одно физически убивает другое. Разбивка на два шага — сначала содержание, потом формат — снимает конкуренцию требований и возвращает предсказуемость.