TL;DR
Один и тот же техника промптинга улучшает стандартную модель и одновременно ломает модель с встроенным рассуждением — и наоборот. Исследователи обнаружили статистически значимый перекрёстный эффект: «зафиксируй посылки заранее» даёт +0.21 стандартным моделям (GPT-4o, Claude Sonnet) и −0.63 моделям-рассуждалкам (o1, o3, Claude Extended Thinking).
Боль большинства пользователей: берут технику, которая «работает» — и применяют её к любой модели подряд. Иногда получают хороший результат, иногда хуже обычного. Не понимают почему. Логика исследования объясняет: стандартные модели не думают внутри себя, им нужна внешняя структура. Модели-рассуждалки уже думают у себя «в голове» — если дублировать это явно в промпте, возникает конфликт двух структур, и модель начинает их сверять вместо того чтобы решать задачу.
Принцип один: давай то, чего у модели нет, — не копируй то, что она уже делает сама. Для стандартных моделей — явная фиксация посылок перед решением. Для моделей-рассуждалок — трёхфазная разделённая структура: сначала назови принцип, потом сделай прогноз, потом реши. И никогда не проси ни ту ни другую модель аргументировать против своего же правильного ответа — это гарантированно ухудшает результат.
Схема: два паттерна под два типа моделей
СТАНДАРТНЫЕ МОДЕЛИ (GPT-4o, Claude Sonnet, Gemini Flash):
→ Паттерн: COMMITMENT (фиксация посылок)
ШАГ 1: Зафиксировать аналитическую рамку и посылки → явный текст
ШАГ 2: Решить задачу строго в рамках этих посылок → ответ
МОДЕЛИ-РАССУЖДАЛКИ (o1, o3, o4-mini, Claude Extended Thinking):
→ Паттерн: PRINCIPLED SEPARATION (разделённые фазы)
ШАГ 1: Назвать принцип, который применим к задаче → формулировка
ШАГ 2: Сделать прогноз на основе принципа → прогноз
ШАГ 3: Принять решение / дать ответ → финальный ответ
ДЛЯ ОБОИХ ТИПОВ:
✗ НЕ делать: "теперь поспорь со своим ответом, найди слабые места"
→ ломает даже правильно полученный результат
Всё три шага выполняются в одном промпте. Разделения на отдельные запросы не нужно.
Пример применения
Задача: Основатель маркетплейса для аренды самокатов в Москве хочет понять ценовую стратегию против Whoosh и Urent — «встать между ними» или «уйти в другой сегмент»?
Промпт для модели-рассуждалки (o1, o3, Claude Extended Thinking):
Помоги выработать ценовую стратегию для нового сервиса аренды
самокатов в Москве против Whoosh (цена ~9 руб/мин) и Urent (~8 руб/мин).
Действуй строго в три фазы:
ФАЗА 1 — ПРИНЦИП
Назови экономический принцип, который управляет ценовой конкуренцией
на рынке с двумя сильными игроками. Только принцип — никаких решений.
ФАЗА 2 — ПРОГНОЗ
Применяя этот принцип к данному рынку, сформулируй прогноз:
что произойдёт при каждой из трёх стратегий:
(а) зайти с ценой между конкурентами
(б) зайти дешевле обоих
(в) зайти дороже со специализацией
ФАЗА 3 — РЕШЕНИЕ
Теперь дай рекомендацию по стратегии с обоснованием.
Не переходи к следующей фазе, пока не завершил предыдущую.
Промпт для стандартной модели (GPT-4o, Claude Sonnet):
Помоги выработать ценовую стратегию для нового сервиса аренды
самокатов в Москве против Whoosh (~9 руб/мин) и Urent (~8 руб/мин).
Прежде чем отвечать — зафикси аналитическую рамку:
- Какую модель конкуренции ты применяешь (и почему именно её)
- Какие три-четыре посылки определяют твой анализ
- Как эта рамка учитывает двух доминирующих игроков
Зафиксируй рамку явно. Затем реши задачу строго в её границах.
Результат: Для модели-рассуждалки — три явные фазы в ответе. Сначала сформулированный принцип (например, теория дифференциации или ценового лидерства), затем прогнозы по каждому сценарию, затем чёткая рекомендация. Структура разделяет «понимаю закономерность» и «применяю к конкретному случаю» — именно это устраняет разрыв между пониманием и действием.
Для стандартной модели — зафиксированная рамка не даёт генерации «уехать» от посылок в середине ответа. Модель остаётся последовательной.
Почему это работает
Стандартные модели не думают «до» ответа — они генерируют токен за токеном, без внутреннего черновика. Это значит, что к середине ответа модель может «забыть» с чего начала и противоречить себе. Явная фиксация посылок создаёт якорь: всё дальнейшее генерируется с оглядкой на уже написанные обязательства.
Модели-рассуждалки уже думают внутри себя — o1/o3/Extended Thinking прогоняют внутренние цепочки рассуждений до того как выдать ответ. Если дать им ещё и внешнюю структуру «зафикси посылки», возникает два конкурирующих потока: внутренний и явный. Модель тратит ресурс на согласование, а не на задачу. Трёхфазная разделённая структура другая — она организует уже существующее внутреннее рассуждение, а не дублирует его.
Почему самокритика ломает обе модели: представь, что модель правильно ответила на вопрос «Whoosh надо дифференцироваться». Просьба «теперь поспорь с этим» заставляет её генерировать контраргументы к верному ответу. Чем лучше исходный ответ — тем больше у модели «материала» для сомнения. Исследователи обнаружили обратную корреляцию: чем правильнее был ответ, тем сильнее его ломает самокритика. Модели-рассуждалки страдают в 2.6 раза сильнее — у них длиннее «поверхность», по которой сомнение распространяется.
Рычаги управления: - Число фаз в Principled Separation → сократи до двух для простых задач - «Не переходи к следующей фазе» → убери, если хочешь видеть свободный поток рассуждений - Явность фиксации посылок в Commitment → чем жёстче формулировка («зафикси и не отступай»), тем сильнее якорь
Шаблон промпта
Для стандартных моделей (Commitment):
{Задача}
Прежде чем отвечать:
1. Зафикси аналитическую рамку: какой подход ты применяешь и почему
2. Обозначь {число} ключевых посылок, на которых строится анализ
3. Явно зафиксируй эту рамку в тексте
Только после фиксации — реши задачу строго в границах этой рамки.
Для моделей-рассуждалок (Principled Separation):
{Задача}
Действуй строго в три фазы:
ФАЗА 1 — ПРИНЦИП
Назови принцип или закономерность, применимую к этой задаче.
Только принцип — без решения и прогнозов.
ФАЗА 2 — ПРОГНОЗ
Применяя принцип из Фазы 1, сформулируй прогнозы для вариантов:
{вариант А}, {вариант Б}, {вариант В}
ФАЗА 3 — РЕШЕНИЕ
Дай рекомендацию и обоснование на основе Фаз 1 и 2.
Не переходи к следующей фазе, пока не завершил предыдущую.
Плейсхолдеры:
- {задача} — конкретный вопрос или кейс
- {число} — сколько посылок фиксировать (обычно 3-4)
- {вариант А/Б/В} — конкретные сценарии, которые хочешь сравнить
🚀 Быстрый старт — вставь в чат:
Вот шаблон Principled Separation для модели-рассуждалки.
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит про варианты для сравнения и структуру задачи — потому что Фаза 2 требует конкретных сценариев, которые нужно проанализировать по принципу из Фазы 1.
Ограничения
⚠️ Только OpenAI-модели в эксперименте: исследовали GPT-4.1-mini и GPT-5-mini. Принцип логичен для Anthropic и Google, но прямых данных нет — это гипотеза, требующая проверки.
⚠️ Разрыв «знаю — делаю» для стандартных моделей неустраним: ни один промпт не помог стандартной модели перейти от «знаю правильную стратегию» к «правильно её применяю» в сложных задачах. Scaffolding не заменяет вычислительную мощность — только организует её.
⚠️ Adversarial stress-test вреден всегда: интуиция «попроси модель сыграть адвоката дьявола» противоречит находкам. Особенно опасно для o1/o3 — деградация в 2.6 раза сильнее, чем у стандартных моделей.
⚠️ Эффект слабее на задачах со взаимозависимыми шагами: если решение нельзя чётко разбить на фазы (шаг 2 зависит от результата шага 1 и наоборот), трёхфазная структура скорее мешает, чем помогает.
Как исследовали
Исследователи взяли классическую задачу из экономики — модель линейного города Хотеллинга (две фирмы выбирают позицию и цену) — и использовали её как «диагностическую машину» для LLM. Задача хороша тем, что имеет однозначно верный ответ, требует многошагового рассуждения назад от результата, и — главное — контринтуитивна: правильный ответ противоречит «очевидной» логике кластеризации у потребителей.
Команда составила 8 вопросов двух типов: дедуктивные (вывести цену из посылок) и абдуктивные (угадать скрытый параметр по наблюдаемому поведению). Каждый вопрос тестировали в 5 условиях — без подсказок, с commitment, с contradiction detection, с principled separation, с adversarial stress — в трёх стилях формулировки и в трёх повторениях. Итого 720 ответов. Оценку ставила другая модель (GPT-5.2) с проверкой на людях — совпадение 97%.
Самый неожиданный результат: GPT-4.1-mini обыграл GPT-5-mini на задаче A3 (идентификация структуры затрат по данным). GPT-5-mini правильно проводил диагностику, но в конце давал неверную классификацию — классический «computational split-brain»: понял, но не смог применить. Принципиально важно: эффект crossover держался на 7 из 8 задач вне зависимости от их сложности — это не артефакт лёгких или сложных вопросов.
Оригинал из исследования
Commitment condition:
"First, explicitly state and commit to your analytical framework
before solving. Lock in your premises."
Principled separation condition:
"Solve this in three explicit phases:
(1) state the relevant principles,
(2) generate predictions from those principles,
(3) make your decision.
Do not proceed to the next phase until the current one is complete."
Adversarial stress-test condition:
"Now argue against your own conclusions. Then either defend or revise them."
Контекст: Исследователи тестировали каждое условие на 8 вопросах с тремя формулировками и тремя повторениями — всего 45 ответов на условие на каждую модель.
Адаптации и экстраполяции
💡 Адаптация для написания текстов с o1/o3:
Вместо «напиши пост о X» — трёхфазная структура:
ФАЗА 1 — ПРИНЦИП Назови один коммуникационный принцип, который сделает этот пост убедительным для {аудитория}. ФАЗА 2 — ПРОГНОЗ СТРУКТУРЫ Опираясь на принцип, предложи структуру поста: что в начале, что в середине, что в конце. ФАЗА 3 — ТЕКСТ Напиши пост в рамках этой структуры.
🔧 Техника: убери «не переходи к следующей фазе» → прозрачные рассуждения
Если хочешь видеть как модель мыслит между фазами — убери ограничение на переход. Модель покажет, где принцип «ломается» при переходе к прогнозу. Полезно для диагностики сложных задач.
🔧 Антипаттерн для отладки: ищи declarative-procedural gap
Если модель дала «правильный принцип, неправильный ответ» — это точная диагностика. Используй Principled Separation с явной Фазой 2: попроси сначала сделать промежуточный прогноз. Если прогноз правильный, а финальный ответ — нет, проблема в шаге применения, а не в понимании.
Ресурсы
Scaffolding the Strategist: Architecture-Dependent Reasoning Interventions in Hotelling Spatial Markets
Pratyush Singh — Computing + Mathematical Sciences, California Institute of Technology (Caltech), Pasadena, CA
pksingh@caltech.edu
Цитируемые работы: GTBench (Duan et al., 2024), EconArena (Guo et al., 2024), Sprague et al. (2025) — diminishing returns from CoT on reasoning models, Zhang (2025) — computational split-brain syndrome, Gandhi et al. (2023) — declarative-procedural gap, Wilson & Schooler (1991) — verbal overshadowing effect