MisleadQA: правдивый, но «не про то» контекст сбивает модель почти как ложный — проверяй применимость, а не только истинность

Обнаружено: документ с абсолютно верными фактами сбивает большую языковую модель (LLM) почти как ложный, если он про другой год, регион или объект. Находка объясняет, почему бот с честной базой знаний всё равно выдаёт старые тарифы вместо новых. Фишка: проверять контекст нужно не только на «правда ли», но и на «про то ли». Модель хватает число из правдивого, но неподходящего фрагмента, хотя без него отвечала верно. Если ложный фрагмент стоит раньше верного, ошибок в разы больше, чем когда верный идёт первым.