Эффект сжатия рекомендаций: LLM систематически сужает меню вариантов до мейнстрима

Спросить вторую модель для перекрёстной проверки — не спасёт: GPT и Gemini согласуются друг с другом сильнее (0.55–0.68), чем каждая из них согласуется с реальностью (0.33–0.56). Метод трёх шагов позволяет вытащить нишевые, региональные и специализированные варианты, которые LLM убирает в стандартном ответе. Принцип — явно разделить запрос: сначала «популярное», потом «нишевое», потом «назови свои слепые пятна». Модель не может одновременно тянуться к мейнстриму и к длинному хвосту — явное разделение принудительно включает оба режима.