Skill-targeted объяснения ошибок: почему понятный ответ ИИ не значит полезный ответ

Люди в один голос хвалили короткие объяснения ошибок от LLM как понятные и лёгкие для восприятия — но реальный код чинили не быстрее, чем по родному сообщению интерпретатора Python. Исследование даёт способ проверить: ощущение «мне понятно» и факт «я решил задачу быстрее» — это два разных результата, и один не гарантирует второй. Метод показывает, что LLM умеет переписать ошибку в короткую инструкцию-действие или в объяснение причины — но не может предсказать, какой вариант реально приведёт человека к рабочему коду. Разница в числе попыток и времени между стилями оказалась почти нулевой, хотя субъективная оценка ясности отличалась сильно.