Blind-Spots-Bench: карта задач где LLM врут уверенно

Просишь модель написать 200 символов — получаешь 247. Модель не замечает. Так работает у всех без исключения, даже у самых сильных моделей. Исследователи из EPFL собрали 235 подобных задач и нашли 5 зон, где любая модель стабильно проваливается: точный счёт символов, подсчёт объектов на изображениях, пространственная логика, многошаговые цепочки рассуждений, генерация с точными числовыми атрибутами. Метод принудительной верификации позволяет взять эти зоны под контроль — не надеяться что модель угадает, а заставить её считать явно. Фишка: вынеси счёт наружу — добавь в промпт шаг "выпиши каждый символ с номером". Модель не считает внутри, но вынуждена считать когда структура требует — точность вырастает кратно по сравнению с обычным запросом.