Провал LLM на табличных прогнозах: чем больше столбцов в таблице — тем хуже она угадывает

Обнаружено: LLM не ломается от шума в данных и не от формата CSV — она ломается ровно тогда, когда число столбцов переваливает за десяток. Метод диагностики позволяет понять, когда прогнозу LLM на табличных данных можно верить, а когда она просто угадывает самый частый вариант. Фишка в том, что дело не в объёме данных и не в длине чисел — виновата именно размерность таблицы. При 1-2 признаках модель работает как метод ближайших соседей — смотрит на похожие точки среди примеров. При 10+ признаках точность падает до уровня случайного угадывания, хотя обычный kNN или случайный лес на тех же данных не теряют точность вовсе.