«Контекстное отравление»: почему Chain-of-Thought ломает GPT-4o на сложных логических задачах

Парадокс: «думай шаг за шагом» — один из главных советов по промптингу последних двух лет — у GPT-4o на сложных задачах роняет точность с 46% до 36.8%. Исследование на 315 задачах и двух моделях позволяет выбирать режим промптинга осознанно: знать, где CoT помогает, а где гарантированно топит результат. Модель сначала пишет план рассуждений — и если там закралась ошибка, дальше она следует этому плану до конца, не замечая противоречий. Ошибочный план отравляет финальный ответ. Не синтаксическая ошибка, не кривой формат — красиво оформленная логическая катастрофа. 92% провалов именно такие.